spikingjelly

SpikingJelly 是一個基於 PyTorch 的開源深度學習框架,用於脈衝神經網路 (SNN)。

spikingjelly 是什麼?

SpikingJelly 是一個基於 PyTorch 的開源深度學習框架,用於脈衝神經網路 (SNN)。

spikingjelly 概覽

這是什麼

SpikingJelly 是一個基於 PyTorch 的開源深度學習框架,專為脈衝神經網路(SNN)設計。

主要功能

  • 原生 PyTorch 框架,提供友善的 API
  • 支援 ANN 轉換為 SNN(ANN2SNN)
  • 包含事件驅動的神經形態資料集
  • 自動運算執行:Torch、Triton 及可選的原生 CUDA
  • 記憶體高效訓練與分散式執行
  • 精度控制與混合精度訓練工具(如 fp8)
  • 硬體部署與框架交換(NIR、Lava、Lynxi)

使用情境

  • 使用基於激活的元件(脈衝神經元、代理梯度、有狀態/無狀態模組)進行 SNN 建模
  • 訓練流程,包含線上學習工具與 ANN2SNN 轉換
  • 透過自動 Torch/Triton/原生 CUDA 執行及 FlexSN 自訂神經元核心進行效能最佳化
  • 大規模 SNN 系統,支援記憶體高效訓練、分散式執行與精度策略工具
  • 處理神經形態資料集(例如 CIFAR10-DVS、DVS128 Gesture、N-MNIST),提供原始事件存取與幀表示
  • 分析 FLOPs、SynOps、記憶體存取及推論能耗估算
  • 透過 NIR、Lava 和 Lynxi 交換介面,將模型匯出至神經形態硬體或其他框架

快速開始

安裝(需要 Python >=3.11、Torch >=2.6,並在啟用的虛擬環境中使用 uv):

uv pip install spikingjelly

預發行版本:

uv pip install --pre spikingjelly

可選的 Triton 支援:

uv pip install "spikingjelly[triton]"

最新開發原始碼:

uv pip install git+https://github.com/fangwei123456/spikingjelly.git

快速開始範例(像定義任何 PyTorch 模型一樣定義 SNN):

from torch import nn
from spikingjelly.activation_based import layer, neuron, surrogate

net = nn.Sequential(
    layer.Flatten(),
    layer.Linear(28 * 28, 10, bias=False),
    neuron.LIFNode(tau=2.0, surrogate_function=surrogate.ATan())
)

授權與價格

採用 Apache-2.0 授權。開源(免費)。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/fangwei123456spikingjelly.svg)](https://yunodb.com/tools/fangwei123456spikingjelly?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/fangwei123456spikingjelly?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/fangwei123456spikingjelly.svg" alt="Featured on YunoDB" height="20"></a>