bamsumit/slayerPytorch
PyTorch implementation of SLAYER for training Spiking Neural Networks
解决的问题
解决了多层脉冲神经网络（SNN）训练的挑战，通过反向传播实现突触权重和轴突延迟参数的学习。
工作原理
这是 SLAYER（Spike Layer Error Reassignment in Time）框架的 PyTorch 实现。系统原生支持每层多个脉冲，并通过层间反向传播误差来优化网络参数。
适用人群
希望使用 PyTorch 和支持 CUDA 的 GPU 实现并训练这些模型的研究人员和开发者。
主要亮点
- SLAYER 框架的 PyTorch 实现。
- 支持突触权重和轴突延迟的联合学习。
- 原生支持每层多个脉冲。
- 包含多层感知机（MLP）和卷积神经网络（CNN）的示例实现。
相关
- 项目
- 项目
- 项目
- 项目
- 项目