【文件属性】：
文件名称：hybrid-snn-conversion:通过混合Ann-SNN转换和基于尖峰的反向传播来训练尖峰网络
文件大小：25KB
文件格式：ZIP
更新时间：2021-05-16 17:24:53
deep-learning pytorch spiking-neural-networks backpropagation-algorithm snn
通过混合转换和依赖于峰值时序的反向传播来启用深度峰值神经网络
这是与在发表的论文“使用混合转换和峰值定时依赖的反向传播实现深度尖峰神经网络”相关的代码。
培训方法
培训分以下两个步骤进行：
训练ANN（'ann.py'）
将ANN转换为SNN并执行基于尖峰的反向传播（'snn.py'）
档案文件
'ann.py'：训练一个ANN，可以提供输入参数来提供建筑设计，数据集，训练设置
'snn.py'：从头开始训练SNN或执行ANN-SNN转换（如果有预训练的ANN可用）。
/ self_models：包含ANN和SNN的模型文件
'ann_script.py'和'snn_script.py'：这些脚本可用于设计各种实验，它创建可用于运行多个模型的'script.sh'
训练有素的人工神经网络模型
训练有素的SNN模型
问题
有时，“ STDB”的激活在训练过程中会变得不稳定，从而
【文件预览】：
hybrid-snn-conversion-master
----ann.py(13KB)
----snn.py(23KB)
----self_models()
--------vgg_spiking.py(10KB)
--------vgg.py(5KB)
--------__init__.py(99B)
--------spiking_model.py(10KB)
--------resnet_spiking.py(12KB)
--------resnet.py(4KB)
----ann_script.py(1KB)
----README.md(3KB)
----snn_script.py(2KB)
----.gitignore(52B)