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！

龙图腾网获悉人民中科(北京)智能技术有限公司申请的专利基于GPU硬件感知协同优化的深度学习模型压缩方法和装置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：CN121457553B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202511610434.8，技术领域涉及：G06N3/082；该发明授权基于GPU硬件感知协同优化的深度学习模型压缩方法和装置是由张朝;李艳鹏;薛润佳设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本基于GPU硬件感知协同优化的深度学习模型压缩方法和装置在说明书摘要公布了：本申请属于人工智能技术领域，具体涉及一种基于GPU硬件感知协同优化的深度学习模型压缩方法和装置。其中所述方法包括：获取待压缩的深度学习模型及目标GPU硬件的规格参数，基于所述规格参数构建GPU硬件的屋顶线性能模型，并利用所述屋顶线性能模型分析各网络层的计算强度以识别网络层类型；获取所述深度学习模型的模型参数，确定所述模型参数的费舍尔重要度及量子关联重要度，并基于所述网络层类型和所述屋顶线性能模型确定层级硬件感知调节因子；根据网络层类型和深度动态分配权重系数，将所述费舍尔重要度、量子关联重要度和硬件感知调节因子加权融合，得到所述模型参数的协同重要度；基于所述协同重要度对所述模型参数进行剪枝。

本发明授权基于GPU硬件感知协同优化的深度学习模型压缩方法和装置在权利要求书中公布了：1.一种基于GPU硬件感知协同优化的深度学习模型压缩方法，其特征在于，包括： 获取待压缩的深度学习模型及目标GPU硬件的规格参数，基于所述规格参数构建GPU硬件的屋顶线性能模型，并利用所述屋顶线性能模型分析各网络层的计算强度，根据计算强度识别网络层类型，其中，所述网络层类型包括计算密集型和内存密集型； 获取所述深度学习模型的模型参数，确定所述模型参数的费舍尔重要度及量子关联重要度，并基于所述网络层类型和所述屋顶线性能模型确定层级硬件感知调节因子； 根据网络层类型和深度动态分配权重系数，将所述费舍尔重要度、量子关联重要度和硬件感知调节因子加权融合，得到所述模型参数的协同重要度； 基于所述协同重要度对所述模型参数进行剪枝，以压缩所述深度学习模型； 其中，确定所述模型参数的费舍尔重要度包括： 依据所述模型参数的依赖性对参数进行分组； 计算每组参数的Hessian矩阵，Hessian矩阵的元素由损失函数对所述参数的二阶偏导数构成； 从Hessian矩阵中提取特征值以生成费舍尔重要度，其中，所述费舍尔重要度用于表征参数对模型损失的统计敏感性； 确定所述模型参数的量子关联重要度包括： 对所述模型参数进行量子态映射，映射公式为： ， 其中，，，为第i个模型参数，表示第i个参数对应的量子态，表示第i个参数的相位角； 基于映射结果计算参数关联强度，关联强度计算公式为： ， 对所有关联强度求和并除以样本数N，生成量子关联重要度，即：， 其中，所述量子关联重要度用于表征参数间的全局关联性。

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人民中科(北京)智能技术有限公司，其通讯地址为：100080 北京市海淀区知春路68号领航科技大厦1401；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。