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！

龙图腾网获悉同济大学申请的专利一种基于分布式优化的多FPGA协同训练神经网络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：CN116842998B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310598533.3，技术领域涉及：G06N3/0464；该发明授权一种基于分布式优化的多FPGA协同训练神经网络方法是由尤鸣宇;任柏宇;周洪钧;何斌设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本一种基于分布式优化的多FPGA协同训练神经网络方法在说明书摘要公布了：本发明提出一种基于分布式优化的多FPGA协同训练神经网络方法，以上位机作为核心控制模块，利用以太网与FPGA通信，分配训练数据，最后回收训练参数；通过在单台FPGA上搭建卷积神经网络的训练单元，其包括神经网络基础单元的计算模块、控制运算的指令模块、以RAM作为缓存区的DDR‑RAM存储模块和以交叉熵函数为损失函数，建立目标协同优化全局目标函数，通过BP算法用梯度下降法更新训练参数的神经网络训练模块；在不同FPGA之间通过UART串口建立通信连接，传输必要的训练开始和结束的握手信号。通过对多台FPGA进行协同控制，并基于分布式优化算法进行卷积神经网络的训练，充分发挥了FPGA底层并行计算和低功耗的优势，并且兼容性较好，有利于推动CNN加速器技术的应用与进步。

本发明授权一种基于分布式优化的多FPGA协同训练神经网络方法在权利要求书中公布了：1.一种基于分布式优化的多FPGA协同训练神经网络方法，其特征在于，包括以下步骤： 步骤1：在单台FPGA上搭建卷积神经网络的训练单元，即卷积，池化，全连接，激活函数层以及数据缓存模块的搭建； 步骤1.1：利用指令模块根据所需的卷积，池化，全连接，激活函数计算需求及对应的初始存储地址进行编码操作，模型信息编码后发送给FPGA端进行解码操作，进而获取进行包括计算的种类和存储的地址信息； 步骤1.2：开发FPGA片上的乘法器和加法器组成一个计算基本模块； 步骤1.3：针对神经网络加速器中庞大的数据计算和存储需求，整合FPGA片上的RAM和DDR资源搭建一个数据缓存器； 步骤1.4：利用分布式随机梯度下降算法优化网络； 步骤2：利用以太网与PC机通信，上位机作为核心调度处理，分配数据，最后回收训练参数； 步骤3：多台FPGA间建立通信拓扑关系； 在步骤3中，包括以下步骤： 步骤3.1：在不同FPGA之间通过UART串口建立通信连接传输必要的训练开始和结束的握手信号，确保其同步进行每一阶段的训练； 步骤3.2：根据通信拓扑关系设置卷积训练参数的权重值； 在步骤3.2中，星型网络中心节点与每个节点都有连接，所以权重设为1um_user，其余相连接的节点只与中心节点相连接，权重设为1-1um_user；环型网络通信默认为双向，将对应的有相互连接的节点位置Pm,n权重设置为13；完全型网络因为每一个节点都与其他节点相联，所以在n*n矩阵中Pm,n权重设均置为1umuser。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。