用于数字事件驱动神经形态处理器的具备硬件意识的模型训练 原文约300字,阅读约需1分钟。发表于:2024-04-16T00:00:00Z。 本文提出了一种框架,用于在数字神经形态硬件中训练和部署高性能尖峰神经网络模型(SNNs),其中除了神经突触的突触权重外,还进行了协同优化的突触延迟。评估了在两个神经形态数字硬件平台(Intel Loihi 和 Imec Seneca)上训练的模型,并展示了从软件到硬件的过渡过程中的最小精度降低。 本文提出了一种框架,用于在数字神经形态硬件中训练和部署高性能尖峰神经网络模型。该框架通过协同优化的突触延迟,在两个神经形态数字硬件平台上训练模型,并展示了从软件到硬件的过渡过程中的最小精度降低。 事件驱动 协同优化 处理器 数字神经形态硬件 框架 硬件 突触延迟 高性能尖峰神经网络模型