SpikingJelly

SpikingJelly笔记之泊松编码

文章目录前言一、泊松编码的原理二、生成符合泊松分布的脉冲序列三、SpikingJelly中的泊松编码四、Lena图像的泊松编码与还原1.原始图像2.图像编码3.图像还原总结前言记录SpikingJelly
Mr_Stutter·2024-01-08 07:45

【解读Spikingjelly】使用单层全连接SNN识别MNIST

识别MNIST—spikingjellyalpha文档代码地址：完整的代码位于activation_based.examples.lif_fc_mnist.pyGitHub-fangwei123456/spikingjelly
Zephyr H·2023-09-03 13:21

【Spikingjelly】SNN框架教程的代码解读_4

Spikingjelly时间驱动：使用单层全连接SNN识别MNIST训练SNN网络观察结果a.训练测试正确率b.测试图片与发放脉冲c.训练好的模型脉冲发放和电压时间驱动：使用卷积SNN识别Fashion-MNIST
leSerein_·2023-01-22 17:24

Ubuntu20.04安装pytorch(包括安装Anaconda和虚拟环境配置以及安装包spikingjelly)

为了防止自己遗忘安装过程，同时能对需要的人提供帮助，故写该教程。一、安装Anaconda1.下载安装包这里进入官网，进行下载Anaconda|AnacondaDistributionAnaconda'sopen-sourceDistributionistheeasiestwaytoperformPython/Rdatascienceandmachinelearningonasinglemachin
火锅店的保安长·2023-01-12 08:13

【Spikingjelly】SNN框架教程的代码解读

Spikingjelly时间驱动使用双层全连接网络进行MNIST分类a.网络结构b.泊松编码c.训练、重置d.结果、分析时间驱动使用双层全连接网络进行MNIST分类我们关注clock_driven.examples.lif_fc_mnist.py
leSerein_·2022-12-01 10:36

【Spikingjelly】SNN框架教程的代码解读_3

Spikingjelly时间驱动：神经元LIF神经元a.单个神经元b.多个神经元时间驱动：编码器泊松编码器a.单独的时间步长b.多个时间步长叠加周期编码器延时编码器和带权相位编码器参考时间驱动：神经元LIF
leSerein_·2022-11-27 00:02
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他