跳转至主要内容
Ctrl+K

SpikingJelly

  • 中文教程 | Chinese Tutorials
  • 英文教程 | English Tutorials
  • API 文档 | API Docs
  • 出版物 | Publications
  • 贡献指南 | Contributing
  • GitHub
  • 中文教程 | Chinese Tutorials
  • 英文教程 | English Tutorials
  • API 文档 | API Docs
  • 出版物 | Publications
  • 贡献指南 | Contributing
  • GitHub

章节导航

基础

  • 基本概念
  • 包装器
  • 神经元
  • 梯度替代
  • 监视器

进阶

  • STDP学习
  • ANN转换SNN
  • 使用单层全连接SNN识别MNIST
  • 使用卷积SNN识别Fashion-MNIST
  • 自连接和有状态突触
  • 神经形态数据集处理
  • 分类 DVS Gesture

高级

  • 编写CUPY神经元
  • Triton 后端
  • FlexSN
  • 训练显存优化
  • 算子计数与能耗估计
  • SNN 分布式训练(DTensor / FSDP2)
  • 使用深度脉冲Q网络玩Atari游戏
  • 使用层内连接增强的脉冲行动器网络进行连续动作空间下的强化学习
  • 训练大规模SNN
  • 脉冲Transformer构建、训练和改进
  • 在灵汐芯片上推理
  • 转换到Lava框架以进行Loihi部署
  • 与 NIR 相互转换

老版本相关

  • 从老版本迁移
  • 遗产教程
  • 中文教程 | Chinese Tutorials

中文教程 | Chinese Tutorials#

基础

  • 基本概念
  • 包装器
  • 神经元
  • 梯度替代
  • 监视器

进阶

  • STDP学习
  • ANN转换SNN
  • 使用单层全连接SNN识别MNIST
  • 使用卷积SNN识别Fashion-MNIST
  • 自连接和有状态突触
  • 神经形态数据集处理
  • 分类 DVS Gesture

高级

  • 编写CUPY神经元
  • Triton 后端
  • FlexSN
  • 训练显存优化
  • 算子计数与能耗估计
  • SNN 分布式训练(DTensor / FSDP2)
  • 使用深度脉冲Q网络玩Atari游戏
  • 使用层内连接增强的脉冲行动器网络进行连续动作空间下的强化学习
  • 训练大规模SNN
  • 脉冲Transformer构建、训练和改进
  • 在灵汐芯片上推理
  • 转换到Lava框架以进行Loihi部署
  • 与 NIR 相互转换

老版本相关

  • 从老版本迁移
  • 遗产教程

上一页

欢迎来到惊蜇(SpikingJelly)的文档

下一页

基本概念

显示源代码

© Copyright 2020, PKU MLG, PCL.

由 Sphinx 8.2.3创建。

使用 PyData Sphinx Theme 0.18.0构建.