bamsumit/slayerPytorch
PyTorch implementation of SLAYER for training Spiking Neural Networks
해결하는 문제
다층 스파이킹 신경망(SNN)을 훈련하는 과제를 해결하며, 역전파를 통해 시냅스 가중치와 축삭 지연 파라미터를 학습할 수 있도록 합니다.
작동 방식
SLAYER(Spike Layer Error Reassignment in Time) 프레임워크의 PyTorch 포트입니다. 여러 스파이크를 레이어당 네이티브로 처리하고, 오차를 레이어 간에 역전파하여 네트워크 파라미터를 최적화합니다.
대상 사용자
PyTorch와 CUDA를 지원하는 GPU를 사용하여 스파이킹 신경망 모델을 구현하고 훈련하고자 하는 연구자 및 개발자.
주요 특징
- SLAYER 프레임워크의 PyTorch 구현.
- 시냅스 가중치와 축삭 지연 모두 학습 가능.
- 레이어당 여러 스파이크를 네이티브로 처리.
- 다층 퍼셉트론(MLP) 및 합성곱 신경망(CNN)의 예제 구현 포함.
관련
- 프로젝트
BindsNET/bindsnetBindsNET은 PyTorch를 사용하여 스파이킹 신경망을 시뮬레이션하는 Python 라이브러리입니다. 뉴런 역학을 차분 방정식으로 변환하고 STDP와 같은 학습 규칙을 지원하여 뇌에서 영감을 받은 머신 러닝을 단순화하며, 저수준 시뮬레이션 코드 없이 ML 및 RL 실험을 가능하게 합니다.
- 프로젝트
- 프로젝트
pytorch/pytorchPyTorch는 GPU 가속 텐서 연산과 동적 테이프 기반 자동 미분 시스템을 제공하는 오픈소스 Python 라이브러리로, 심층 신경망을 구축하고 훈련하는 데 사용됩니다. Python과 긴밀하게 통합되며, C/C++ 및 다른 언어로 확장을 지원하고, CPU, NVIDIA GPU, AMD ROCm, Intel GPU에서 빠르고 오버헤드가 낮은 실행을 제공합니다.
- 프로젝트
- 프로젝트
fangwei123456/spikingjellySpikingJelly는 스파이킹 신경망을 구축, 학습 및 배포하기 위한 PyTorch 기반 라이브러리입니다. 뉴런 모듈, 대리 경사 도구, 뉴로모픽 데이터셋 로더, 자동 백엔드 선택(Torch/Triton/네이티브 CUDA), 혼합 정밀도 지원 및 뉴로모픽 하드웨어로의 내보내기 인터페이스를 제공합니다. PyPI를 통해 설치 가능하며(Python ≥ 3.11, PyTorch ≥ 2.6), 고성능을 위한 선택적 CUDA 확장을 지원합니다. Apache-2.0 라이선스로 제공됩니다.