spikingjelly

收录理由

对于使用事件传感器的开发者来说，脉冲神经网络以往往往意味着别扭而专门定制的工具链，SpikingJelly 试图改变这一局面。它把 SNN 的构建模块封装成 PyTorch 原生 API，既能用梯度方法定义和训练脉冲层，也能将预训练的 ANN 权重转换为脉冲网络，不必从零开始。项目自带多种加速后端，包括纯 torch、CuPy 和 Triton，当模型规模变大或需要处理 DVS 相机流的实时吞吐时，这种选择就很重要。内置的事件数据集和友好的上手设计，让新用户能较快进入状态；硬件部署以及 NIR、Lava 等框架交换支持，则对面向真实神经形态芯片的团队有吸引力。如果你正在评估 SNN 用于低功耗或时序数据场景，这个项目是一个连贯且持续维护的起点，而不是一堆零散实验的拼凑。