文件名称：SNN-Conversion
文件大小：194KB
文件格式：ZIP
更新时间：2024-06-18 09:31:28
Python
探索二进制和尖峰神经网络之间的联系 概述 该代码库概述了一种训练方法，并为使用的大型数据集（即 CIFAR-100 和 ImageNet）提供了用于全精度和二进制尖峰神经网络 (B-SNN) 的训练模型。 遵循提到的建议程序和设计特征，我们已经表明，即使存在许多 SNN 特定的约束，B-SNN 也表现出接近全精度的精度。 此外，我们使用 ANN-SNN 转换技术进行训练，并探索了一组新颖的优化方法来生成高精度和低延迟的 SNN。 优化技术也适用于全精度 ANN-SNN 转换。 要求 Python 安装版本 3.6 或以上 matplotlib、numpy、tqdm 和 torchvision PyTorch 安装版本 1.3.0 ( ) CUDA 10.1 ImageNet 数据集（可以由最新版本的自动下载）（如果需要） 从头开始训练 我们探索了受 ANN-SNN 转换约束的各种网
【文件预览】：
SNN-Conversion-master
----vgg.py(3KB)
----__init__.py(47B)
----bindsnet()
--------environment()
--------encoding()
--------evaluation()
--------datasets()
--------analysis()
--------__init__.py(267B)
--------conversion()
--------models()
--------network()
--------utils.py(7KB)
--------__pycache__()
--------preprocessing()
--------pipeline()
--------learning()
--------bindsnet-0.2.5.dist-info()
----README.md(6KB)
----conversion.py(8KB)