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！

龙图腾网获悉浙江大学申请的专利一种面向深度学习模型的图级别编译优化方法与设备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：CN121209886B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511758885.6，技术领域涉及：G06F8/41；该发明授权一种面向深度学习模型的图级别编译优化方法与设备是由刘京丰;翁恺设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本一种面向深度学习模型的图级别编译优化方法与设备在说明书摘要公布了：本发明公开了一种面向深度学习模型的图级别编译优化方法，属于模型编译优化技术领域。所述图级别编译优化方法包括：将深度学习模型转换为中间表示计算图，并对中间表示计算图进行预处理；基于中间表示计算图构建支配树，并结合预定义的算子融合规则进行子图划分与算子融合，生成多个融合后的子图并优化；基于优化后的子图确定多个融合后子图的目标数量，对多个融合后的子图进行合并，得到合并后的子图；将合并后的子图转化为可执行代码，应用于CPU、GPU、或加速器中，实现深度学习模型的推理。本发明解决现有编译系统中图级别优化不充分、内存访问效率低、缺乏跨算子协同优化、推理效率低等问题，实现深度学习模型的推理加速与内存优化。

本发明授权一种面向深度学习模型的图级别编译优化方法与设备在权利要求书中公布了：1.一种面向深度学习模型的图级别编译优化方法，其特征在于，包括以下步骤： 步骤1：将深度学习模型转换为中间表示计算图，并对中间表示计算图进行预处理，具体包括：使用Pytorch和HuggingFace加载大语言模型从而将模型导入；接着通过TorchDynamo捕获PyTorch计算图；然后接入BuddyGraph通过自定义的torch后端DynamoCompiler生成MLIR表示，将操作映射到TOSA和Linalg表示； 步骤2：基于中间表示计算图构建支配树，并结合预定义的算子融合规则进行子图划分与算子融合，生成多个融合后的子图并优化； 步骤3：基于步骤2中优化后的子图确定多个融合后子图的目标数量，对多个融合后的子图进行合并，得到合并后的子图，其中，目标数量的确定方法包括：将建立的有向无环图划分为多个子图，依据每个子图的负载计算子图平衡度，来确定多个融合后子图的目标数量，所述子图平衡度的计算如下： ， ，， ，，， 其中，为子图平衡度，表示第个子图的计算负载，即所有节点权重总和；为每个子图的期望平均计算负载；为总计算负载；为子图数量；为第个子图的通信代价，由跨子图的边权重决定，用于描述数据传输与同步开销；为每个子图的平均通信代价；为总通信代价；表示第个子图与其他子图之间的跨边集合；表示第个子图到第个子图之间的跨边数量； 步骤4：将合并后的子图转化为可执行代码，包括：通过MLIR编译管道，将包含Linalg和Tensor方言的子图代码逐步下降至LLVM中间表示或机器指令，并生成用于CPU、GPU或专用加速器的二进制可执行文件及静态和动态链接库，实现深度学习模型的推理。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。