- 未分類
- 31 8 月
中國科學院自動化所與北京大學08靠設計佈置合作開源深度脈沖神經網絡學習框架_中國網
requestId:68b3318d7c5548.77357837.
中國網/中國發展門戶網訊 脈沖神經網絡（Spiking Neural Network, SNN）被譽為第道具製作三代互動裝置神經網絡，隨著深度學習方法的引入，SNN的性能得到大幅度提升，脈沖深度學習（Spiking Deep Learning）成為新FRP興的研究熱點。中奇藝果影像國科學院自動化研究所李國齊研究員與北京大學沈浸式體驗計算機學院田永鴻教授包裝設計團隊合作構建并開源了深度脈沖神經網絡學習框架SpikingJelly（中文名：驚蜇）。SpikingJelly（驚蜇）提供了全棧式的脈沖深度學習解決方案，支持神經舞臺背板形態數據處理、深度SNN的構建、替代梯度訓練、ANN轉換SNN、權重量化和神經形態芯片部署等功模型能。
據介紹，SpikingJelly（驚蜇）框架具有簡單易用、擴展性強、性能卓越等優勢。提供了簡單易用的PyTor大圖輸出ch風格的API、中英文雙語編寫的教程、活躍友善的討論社區，常用的網絡模經典大圖型和訓練腳本也一并給出，研究者可以快速進行跨平面設計領域的學習和使用，通過廣告設計寥寥數行代碼輕松構建模型并訓練深度SNN。S大型公仔pikingJelly（驚蜇）中舞臺背板的絕大多數模塊都是通過層道具製作次清晰的多重繼承實現，既為開發者降低了開發成本，也給用戶提供了完美的定義新模型的范例。SpikingJelly（驚蜇）充分利用S記者會NN的特性，通平面設計過計算圖遍歷順序優化、JIT （just-in-time compilation, 即時編譯）、半自動CUDA代碼生成等技術來加速展場設計SNN仿真，與其他框架相比可達11倍的訓練加速。
據悉，SpikingJelly（驚蜇）框架參展自2019年冬季開幕活動一經推出就受到了研究者們的歡迎和廣泛使用，基于SpikingJelly（驚蜇）的研究工作已經大量出版，將SNN的應用從簡單的MNIST數據集分類擴展到人類水平沈浸式體驗的ImageNet圖像分類、網絡部署、事件相機數大型公仔據處理等實際應用。此外，一些尖端前沿領域的探索也被報道，包括可校準的神經形態感知系統、神經形態憶阻器、事件驅動加速器硬件設計道具製作等。
介紹SpikingJelly (驚蜇)框架的論文于2023年10月6日在Science子刊《科攤位設計學進展》（Science Adv記者會ance廣告設計s）在線發表。北京大學計算機學FRP院田永鴻教授、中國科學院自動化研究所李國齊研究員為論文共同通訊參展作者，北京展覽策劃大學計算機學院直博生方維為論文第一作者。
參展SpikingJelly(驚蜇)框架的整體結構、示例代碼、仿真速度、生態位以及典型應用
TC:08designfollow