fangwei123456/spikingjelly

해결하는 문제

SpikingJelly은 개발, 훈련, 배포를 위한 PyTorch 기반의 스파이크 신경망(SNN) 프레임워크를 제공합니다. 기존 인공 신경망(ANN)과 생체 신경망 컴퓨팅 사이의 격차를 메우며, 대규모 SNN 훈련, 추론 및 하드웨어 배포를 위한 도구를 제공합니다.

작동 방식

PyTorch와 직접 통합되어, 사용자가 익숙한 모델 구축 패턴을 사용해 SNN을 정의할 수 있습니다. 프레임워크는 torch, cupy, triton과 같은 여러 가속 백엔드를 지원하여 뉴런 실행을 최적화합니다. 또한 ANN에서 SNN으로의 변환, 혼합 정밀도 훈련(fp8 등), 스파이크 압축 기능을 제공하여 대규모 훈련 중 메모리 사용량을 줄입니다.

대상 사용자

생체 신경망 지능, 이벤트 기반 비전, 에너지 효율적인 머신러닝 모델을 개발하는 AI 연구자 및 개발자에게 적합합니다.

주요 특징

• PyTorch 기반: PyTorch 구조를 모방한 초보자 친화적인 API를 사용합니다.
• 고성능: 여러 백엔드(torch, cupy, triton)를 지원하며, torch.compile과 호환됩니다.
• 생체 신경망 데이터 지원: N-MNIST 및 DVS128 Gesture와 같은 다양한 이벤트 기반 데이터셋을 내장 지원합니다.
• 배포 준비 완료: NIR, Lava, Lynxi와의 교환 인터페이스를 제공하여 시뮬레이션에서 생체 신경망 하드웨어로 모델을 이동할 수 있습니다.
• 확장 도구: 대규모 SNN 시스템을 위한 분산 실행 및 메모리 효율적인 훈련 기능을 포함합니다.

"SpikingJelly은 SNN 연구를 위한 강력한 도구입니다. PyTorch와의 완벽한 통합과 뛰어난 성능으로, 대규모 모델 훈련과 하드웨어 배포를 쉽게 할 수 있습니다." — @spikingjelly