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。