ann2snn的代码分析

最新推荐文章于 2024-06-11 00:22:35 发布
最新推荐文章于 2024-06-11 00:22:35 发布
阅读量828 收藏 3
点赞数
分类专栏： python 脉冲神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/huatianxue/article/details/117436411
版权
这篇博客主要分析了ann2snn转换的代码实现，通过主函数if_cnn_mnist_work.py展开，详细讲解了如何计算SNN的准确率，并指出在simulata_snn模块的第64行代码中确定正确预测的数量。博主还提出，通过对相应位置的修改，可以进一步输出混淆矩阵。
摘要由CSDN通过智能技术生成

首先，主函数是if_cnn_mnist_work.py
1.输出snn测试结果的就是这么一些代码：

    utils.pytorch_ann2snn(model_name=model_name,
                              norm_tensor=norm_tensor,
                              test_data_loader=test_data_loader,
                              device=device,
                              T=T,
                              log_dir=log_dir,
                              config=config
                              )

2.ctrl+鼠标左键点击pytorch_ann2snn
可以看到里面的代码

def pytorch_ann2snn(model_name, norm_tensor, test_data_loa
最低0.47元/天 解锁文章
华天雪 L.W
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
N-MNIST数据集用于ANN2SNN时的预处理过程
weixin_44796852的博客
10-13 1408
N-MNIST数据集用于ANN-SNN时的预处理过程
spikingjelly的ANN2SNN
huatianxue的博客
05-28 974
首先，要进行ANN的训练，训练出来的一个文件模型是pkl格式的模型。然后试图将这个ANN模型转换为SNN 这个ANN的模型的网络结构：三层卷积块串联一个全连接层，每个卷积块由一个卷积层、一个批正则化、一个ReLU激活和一个平均池化层组成 代码如下： self.network = nn.Sequential( nn.Conv2d(1, 32, 3, 1), nn.BatchNorm2d(32, eps=1e-3), nn.ReLU(),
一文细谈SNN的基本数学原理，LIF模型，STDP与STBP学习方法
m0_74982304的博客
06-11 2717
本文详细讲述了我在学习SNN网络是的许多困惑难点，如果你有对基本原理不明白的地方，相信你能所收获
ann分类器matlab代码-ANN2SNN:ANN2SNN
06-16
Ann分类器matlab代码ANN2SNN 重现matlab代码 引用“Diehl, PU and Neil, D. and Binas, J. and Cook, M. and Liu, SC and Pfeiffer, M. Fast-Classifying, High-Accuracy Spiking Deep Networks Through Weight and Threshold Balancing, IEEE International Joint Conference on神经网络 (IJCNN)，2015 年” pytorch ANN 到 pytorch SNN。 我希望你喜欢它。
spikingjelly中的ANN2SNN程序20201221是好使的
huatianxue的博客
05-28 749
spikingjelly的最新版本，我当时使用的是20210330，中间存在onnx的包调用错误，难以解决。 通过调试20201221，发现这个版本的是好使的，但是也有一些是需要调试的。 1.首先应该训练出一个ANN模型出来，此时main函数中应该不填入任何信息，即 if __name__ == '__main__': main() # main('./log-cnn_mnist1622169436.7251258') 2.当训练出ANN模型后，会自动生成一个文件夹 如 ./log-cnn
ann2snn的理论基础
huatianxue的博客
05-31 812
import torch from spikingjelly.clock_driven import neuron from spikingjelly import visualizing from matplotlib import pyplot as plt import numpy as np plt.rcParams['figure.dpi'] = 200 if_node = neuron.IFNode(v_reset=None, monitor_state=True) T = 128 x = to
SNN论文系列-ANN to SNN 学习算法
qq_34970603的博客
07-07 1万+
ANN to SNN 学习算法 最近集中看了几篇ANN to SNN的学习算法，进行一下简单的总结。
ANN to SNN
热门推荐
h__ang的博客
05-30 1万+
论文名：Conversion of Continuous-Valued Deep Networks to Efficient Event-Driven Networks for Image Classification 中文名：将连续值深度网络转换为高效的事件驱动SNN做图像分类 摘要 脉冲神经网络（SNN）可能提供了一种高效的推理方法，因为网络中的神经元是稀疏激活的，并且计算是事件驱动型。...
RMP-SNN：深度高精度低潜伏期尖峰神经网络的ANN-SNN转换
1SNN推理（IF神经元）ANN训练(withReLU激活）RMP-SNN：用于实现更深的高精度和低潜伏期尖峰神经网络的Bing Han，Gopalakrishnan Srinivasan和Kaushik Roy电气与计算机工程学院，普渡大学{han183，srinivg，kaushik}@...
SNN脉冲神经网络的工作原理演示MATLAB仿真带GUI界面-源码
10-01
与传统的基于连续值的神经网络（如ANN）不同，SNN处理的是离散事件，这使得它在能量效率、并行处理和实时性方面具有潜在优势。 本资源提供了SNN脉冲神经网络的工作原理的MATLAB仿真，同时还带有GUI界面，使得用户...
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
05-16
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
SNN的Nuerapse模拟_Python_下载.zip
04-08
标题 "SNN的Nuerapse模拟_Python_下载.zip" ...由于实际项目内容未提供，以上分析基于对SNN和Python开发的一般理解。要了解更多具体信息，你需要解压文件并查阅项目文档。希望这些信息能帮助你理解这个项目的核心内容。
用KNN（K近邻算法）和ANN（人工神经网络）建立预测模型
weixin_50899508的博客
06-03 2593
数据 输入 32 维的向量 输出一个值 有151组这样的数据 目的 用这样一组数据建立一个预测模型 输入32维的向量就能预测一个值 代码部分 1 导入工具包 在import pandas as pd import seaborn as sns import matplotlib.pyplot as plt from sklearn.utils import shuffle from sklearn.metrics import r2_score from tensorflow.keras.layers i
spikingjelly的20201221版本跑通ANN2SNN
huatianxue的博客
05-29 1030
使用自己的数据集最大的一个问题在于，源代码使用的是MNIST数据集，而我使用的是自己构建的图片集。 主要区别在以下几点： 1. 源代码数据加载使用的方法为： # train_data_dataset = torchvision.datasets.MNIST( # root=dataset_dir, # train=True, # transform=torchvision.transforms.ToTensor(), # downloa
节能型AI应用的新方法——一种将ANN转换为SNN的算法
迈微AI研习社 · 号主
03-29 1411
人工智能如何在驾驶员辅助系统、智能手机以及其他移动设备上高效地运行，是研究人员们一直关注的问题。 近日，奥地利格拉茨技术大学（TU Graz）的两位研究人员找到一种简单的将人工神经网络（ANN）转换为脉冲神经网络（SNN）的算法，神经元只需发出相对较少的信号就可以完成图像分类，并且分类精度非常接近当前最先进的图像分类技术水平。
【读论文】TCL: an ANN-to-SNN Conversion with Trainable Clipping Layers
qq_45664326的博客
02-27 411
TCL: an ANN-to-SNN Conversion with Trainable Clipping Layers；DAC2021 论文总结
ANN Converse to SNN｜(2) Max-Norm
Tianlong Lee的博客
08-24 1948
Fast-Classifying, High-Accuracy Spiking Deep Networks Through Weight and Threshold Balancing 作者：Peter U. Diehl，Daniel Neil， Jonathan Binas，Matthew Cook，Shih-Chii Liu and Michael Pfeiffer 会议：IJCNN2015 原文链接：paper 代码：https://github.com/dannyneil/spiking_relu
边缘检测 SNN 代码
最新发布
06-27
以下是一个简单的概念性的SNN边缘检测代码片段，使用Python和PyTorch模拟库（如Loihi或NeuRIPS）的例子： ```python import torch from skimage import io, filters # 加载图像 image = io.imread('image.jpg', as...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值