qq_42968558的博客

ES-ImageNet: A Million Event-Stream Classification Dataset for Spiking Neural Networks（博主是本文作者之一）文章 ： https://www.frontiersin.org/articles/10.3389/fnins.2021.726582/full代码：https://github.com/lyh983012/ES-imagenet-master数据集下载：下载链接这里介绍一下这篇文章。本文的写作的动机是：

GeForce RTX 3090深度学习测评环境踩坑八卡GeForce RTX 3090+Pytorch1.7+cuda11.1+对应cudnnpytorch 1.7以下版本无法对显卡写入数据tensorflow未尝试 据别的文章说只有nightly支持驱动如下：NVIDIA-SMI 455.23.05 Driver Version: 455.23.05 CUDA Version: 11.1 环境是conda直接安装测试速度用一台8卡2080Ti的服务器作对比

深度学习 | 大规模神经网络训练技巧在上一篇文章中，博主使用STBP训练了SNN-Imagenet分类网络，由于当前SNN相对于ANN而言，消耗的显存更大，训练更慢，因此学习了一些相对有用的训练技巧，列举如下一、模型并行还是数据并行数据并行上面这张图可以看出模型并行和数据并行的区别，其中数据并行实际上是只有一个模型，不同的设备使用同一个模型的一部分来计算不同的数据批次，达到训练加速的目的。实现它的代码很简单，只需要import argparse, pickle, torch, time, os

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 NetworksWu Y , D