Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 星凡星启(成都)科技有限公司谭铭玺获国家专利权

星凡星启(成都)科技有限公司谭铭玺获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉星凡星启(成都)科技有限公司申请的专利异构感知的自适应低比特神经网络部署方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121390167B

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511951373.1,技术领域涉及:G06N3/063;该发明授权异构感知的自适应低比特神经网络部署方法是由谭铭玺;应鹏飞设计研发完成,并于2025-12-23向国家知识产权局提交的专利申请。

异构感知的自适应低比特神经网络部署方法在说明书摘要公布了:本发明提供一种异构感知的自适应低比特神经网络部署方法,涉及人工智能与异构计算技术领域,首先获取神经网络各层分层次计算特征信息及异构硬件动态特性参数信息形成多级别基础信息集合,然后据此构建分层次效能关联模型描述计算精度、硬件动态特性与层计算效能的关联关系。在线运行时追踪硬件实时负载状态和能效约束条件生成动态化状态监测结果,结合两者采用多目标优化算法生成分层次部署配置方案。最后调用轻量级运行时调度器依据方案分配计算任务、加载层间依赖数据并执行,实现跨硬件设备的动态化神经网络部署,提高了部署效果和运行效率。

本发明授权异构感知的自适应低比特神经网络部署方法在权利要求书中公布了:1.一种异构感知的自适应低比特神经网络部署方法,其特征在于,所述方法包括: 获取神经网络各层的分层次计算特征信息及异构硬件的反映硬件动态特性的参数信息,形成多级别基础信息集合,所述分层次计算特征信息包含各层的基础计算操作类型、高阶数据交互模式与层间依赖权重,动态化硬件参数信息包含异构硬件中各硬件设备的静态计算能力、动态资源占用特性与负载波动趋势; 基于所述多级别基础信息集合,构建神经网络各层在不同低比特计算精度下与异构硬件中各硬件设备的反映硬件动态特性的离线效能模型,得到分层次效能关联模型,所述分层次效能关联模型用于描述计算精度、硬件设备动态特性与层计算效能的时序关联关系; 在线运行过程中,追踪异构硬件中各硬件设备的实时负载状态及动态调整的能效约束条件,生成动态化状态监测结果,所述实时负载状态包含设备资源占用率、计算响应延迟与负载波动速率,所述动态调整的能效约束条件包含设备级功耗上限、系统级计算效率下限与负载波动适配阈值; 结合所述分层次效能关联模型与所述动态化状态监测结果,采用多目标优化算法为神经网络各层动态选择适配的低比特计算精度及对应的硬件设备,形成分层次部署配置方案,所述分层次部署配置方案包含各层的精度选择结果、设备分配结果、层间数据传输权重与动态调整触发条件; 调用具备任务预加载能力的轻量级运行时调度器,依据所述分层次部署配置方案,将神经网络各层的计算任务分配至对应的硬件设备,同步加载层间依赖数据并采用选定的低比特计算精度执行计算任务,实现跨硬件设备的动态化神经网络部署,得到分层次跨设备部署执行结果; 所述结合所述分层次效能关联模型与所述动态化状态监测结果,采用多目标优化算法为神经网络各层动态选择适配的低比特计算精度及对应的硬件设备,形成分层次部署配置方案,包括: 从所述动态化状态监测结果中提取各硬件设备的实时负载参数集合、负载波动分析结果与动态能效约束参数,基于动态能效约束参数筛选出当前负载满足约束要求的硬件设备,再结合负载波动趋势筛选出负载波动速率低于设定阈值的设备,生成动态化可用硬件设备列表,所述动态化可用硬件设备列表包含设备标识、实时负载摘要与负载稳定性评级; 从所述分层次效能关联模型中提取与所述动态化可用硬件设备列表中各设备对应的层精度效能子模型,按层标识拆分得到每个层在不同比特位数选择下于各可用设备的多维度效能预测数据,整合生成层精度动态设备效能数据集,所述多维度效能预测数据包含预测计算耗时、预测功耗消耗、预测数据传输延迟与预测效能稳定性; 针对神经网络的每个层,基于所述层精度动态设备效能数据集与该层的分层次计算特征信息,构建多目标优化函数:以降低预测功耗消耗为第一目标函数,以缩短预测计算耗时为第二目标函数,以提升预测效能稳定性为第三目标函数,并将该层的高阶数据交互模式与层间依赖权重转化为约束条件融入函数,所述约束条件包含由数据交互频率确定的传输延迟上限、由层间依赖权重确定的与相邻层效能偏差的范围要求; 采用非支配排序算法对所述多目标优化函数进行求解,生成多组非支配的精度设备候选组合,每组候选组合包含比特位数选择、硬件设备标识及对应的所述第一目标函数、第二目标函数及第三目标函数的计算结果; 基于该层的层间依赖权重,对多组非支配的精度设备候选组合进行层间关联评估,综合评估每组候选组合与相邻层候选组合在数据传输延迟、功耗消耗及计算效率方面的协同程度,得到综合的效能匹配度,筛选出效能匹配度最高的候选组合作为该层的精度设备选择结果,所述效能匹配度是基于数据传输延迟、功耗消耗及计算效率的协同程度评估得到的综合度量值; 对所有层的精度设备选择结果进行层间数据依赖映射,基于各层的高阶数据交互模式与层间依赖权重,规划相邻层之间的数据传输路径,确定每条传输路径的带宽分配比例与数据传输优先级,生成层间传输配置信息; 整合所有层的精度设备选择结果与层间传输配置信息,添加动态调整触发条件,最终形成分层次部署配置方案,所述动态调整触发条件包含硬件设备负载波动超阈值、层计算效能下降超阈值与层间传输延迟上升超阈值,所述分层次部署配置方案包含每个层的层标识、比特位数选择结果、硬件设备标识、层间传输路径参数、带宽分配比例、数据传输优先级与动态调整触发条件。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人星凡星启(成都)科技有限公司,其通讯地址为:610023 四川省成都市锦江区工业园区三色路238号1栋2单元36层1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。