深度学习|SNN-ResNet搭建
ResNet基本结构
已有的文章已经说的很详细了,这里就不再赘述,直接引用之
ResNet详解
SNN基本知识
SNN可以用如下方程综述
其中x是加权输入,w是权重,o是上一层的输入,u是当前节点电位,g是脉冲激活函数,f是衰减遗忘函数函数。在SNN构成的网络中训练如下图:
图片来自Spatio-Temporal Backpropagation for Training High-Performance Spiking Neural Networks
Wu Y , Deng L , Li G , et al. Spatio-Temporal Backpropagation for Training High-performance Spiking Neural Networks[J]. 2017.
SNN-ResBlock
第一种是维度发生变化的,两次及已更新分别发生在下图所示位置。其中的数据输入都是3D的
维度不发生变化的比较简单,但是shortcut依然经过一次batchnorm,这是因为上一层的输入经过memupdate和激活,可能导致分布出现偏差
ResNet具体结构
训练结果
ResNet18训练Imagenet 当前进度如下:
训练资源消耗
因为只是初步训练,不打算跑完整个实验,目前正在训练ResNet34。其他具体参暂不公开。