SNN学习日记——安装SpikingJelly

1.安装

注意，SpikingJelly是基于PyTorch的，需要确保环境中已经安装了PyTorch，才能安装SpikingJelly。

奇数版本是开发版，随着GitHub/OpenI不断更新。偶数版本是稳定版，可以从PyPI获取。

从 PyPI 安装最新的稳定版本(0.0.0.0.6)：

pip install spikingjelly

2.构建第一个SNN网络对Mnist数据集分类

引用spikingjelly..clock_driven里的neuron就可以使用脉冲神经元了，这里以LIF为例：

import torch
import torch.nn as nn
from spikingjelly.clock_driven import neuron

class Net(nn.Module):
    def __init__(self,tau=100.0,v_threshold=1.0,v_reset=0.0):
        super().__init__()
        self.fc = nn.Sequential(
            nn.Flatten(),
            nn.Linear(28*28, 14*14, bias=False),
            neuron.LIFNode(tau=tau, v_threshold=v_threshold, v_reset=v_reset),
            nn.Linear(14*14,10,bias=False),
            neuron.LIFNode(tau=tau, v_threshold=v_threshold, v_reset=v_reset),
        )
    def forward(self,x):
        return self.fc(x)

也可以直接调用包里已经写好的程序来训练：

import spikingjelly.clock_driven.examples.lif_fc_mnist as lif_fc_mnist
lif_fc_mnist.main()

具体实现代码在https://github.com/fangwei123456/spikingjelly/blob/master/spikingjelly/clock_driven/examples/lif_fc_mnist.py

运行代码后会让你选择数据存储路径和训练的一些参数设置：

 之后开始训练：

准确率能到85%：