SpikingJelly脈沖神經網絡深度學習框架

SpikingJelly 是一個基于 PyTorch，使用脈沖神經網絡 (Spiking Network, SNN) 進行深度學習的框架。

SpikingJelly 非常易于使用。使用 SpikingJelly 搭建 SNN，就像使用 PyTorch 搭建 ANN 一樣簡單：

class Net(nn.Module):
    def __init__(self, tau=100.0, v_threshold=1.0, v_reset=0.0):
        super().__init__()
        # 網絡結構，簡單的雙層全連接網絡，每一層之后都是LIF神經元
        self.fc = nn.Sequential(
            nn.Flatten(),
            nn.Linear(28 * 28, 14 * 14, bias=False),
            neuron.LIFNode(tau=tau, v_threshold=v_threshold, v_reset=v_reset),
            nn.Linear(14 * 14, 10, bias=False),
            neuron.LIFNode(tau=tau, v_threshold=v_threshold, v_reset=v_reset)
        )

    def forward(self, x):
        return self.fc(x)

設備支持

•  Nvidia GPU
•  CPU

像使用 PyTorch 一樣簡單。

>>> net = nn.Sequential(nn.Flatten(), nn.Linear(28 * 28, 10, bias=False), neuron.LIFNode(tau=tau))
>>> net = net.to(device) # Can be CPU or CUDA devices

神經形態(tài)數據集支持

SpikingJelly 已經將下列數據集納入：

用戶可以輕松使用事件數據，或由 SpikingJelly 積分生成的幀數據：

from spikingjelly.datasets.dvs128_gesture import DVS128Gesture
root_dir = 'D:/datasets/DVS128Gesture'
event_set = DVS128Gesture(root_dir, train=True, data_type='event')
frame_set = DVS128Gesture(root_dir, train=True, data_type='frame', frames_number=20, split_by='number')

未來將會納入更多數據集。