Keras的尖峰神经元整合
keras-spiking的Python项目详细描述
道路沥青
Keras-Spiking提供了整合尖峰神经元激活功能的工具 直接在Keras框架内。主要特点是 keras_spiking.SpikingActivation,可用于转换 任何激活函数都变成了一个尖峰等价物。例如,我们可以翻译 非尖峰模型,例如
inp=tf.keras.Input((5,))dense=tf.keras.layers.Dense(10)(inp)act=tf.keras.layers.Activation("relu")(dense)model=tf.keras.Model(inp,act)
与峰值等效:
^{pr2}$具有峰值激活层的模型可以用与 任何其他Keras车型。他们会自动利用Keras Spiking的 “扣球意识训练”:利用扣球动作在前传和 反传时的非尖峰(可微)激活函数。在
Keras Spiking还包括各种工具,用于帮助培训Spiking模型, 例如附加的regularizers 和filtering layers。在
如果你对建立和优化尖峰神经元模型感兴趣,你也可以 对NengoDL感兴趣。看到了吗 this page表示 比较这两个包支持的不同用例。在
文档
- Installation instructions
- More detailed example introducing the features of Keras Spiking
- API reference
发布历史
初次发行
- 项目
标签: