fangwei123456/spikingjelly

解決的問題

SpikingJelly 提供了一個原生於 PyTorch 的框架，用於開發、訓練和部署脈衝神經網絡（SNN）。它透過提供大規模 SNN 訓練、推論和硬體部署的工具，彌補了傳統人工神經網絡（ANN）與神經形態計算之間的差距。

工作原理

它直接整合至 PyTorch，讓使用者能使用熟悉的模型建構模式來定義 SNN。該框架支援多種加速後端——包括 torch、cupy 和 triton——以優化神經元執行。同時，它還提供 ANN 轉 SNN 的工具、混合精度訓練（例如 fp8）以及脈衝壓縮功能，以減少大規模訓練過程中的記憶體使用量。

適用對象

專為致力於神經形態智能、事件驅動視覺和能源效率機器學習模型的 AI 研究人員與開發者設計。

主要特色

• 原生 PyTorch： 使用對初學者友好的 API，結構與 PyTorch 相似。
• 高性能量產： 支援多種後端（torch、cupy、triton），並與 torch.compile 兼容。
• 神經形態資料支援： 內建支援多種事件驅動資料集，例如 N-MNIST 和 DVS128 Gesture。
• 可部署性： 提供與 NIR、Lava 和 Lynxi 的交換介面，可將模型從模擬環境轉移到神經形態硬體。
• 擴展工具： 包含分散式執行與記憶體效率訓練工具，適用於大規模 SNN 系統。

"SpikingJelly 讓神經形態計算變得更易於使用，特別是對於熟悉 PyTorch 的開發者。" — @zhaoyu1997