基于时间融合的可扩展 GPU 加速 SNN 训练方面的研究
原文中文，约400字，阅读约需1分钟。发表于：。由于深度学习任务中脉冲神经网络（SNNs）的实际训练通常依赖于传统 GPU，导致计算时间延长，我们提出一种新颖的时间融合方法，旨在加速 SNNs 在 GPU 平台上的传播动力学，经过全面的验证实验，证实了其在单个和多个 GPU 系统中的功效和适应性，与现有的 SNN 库 / 实现相比，我们的方法在 NVIDIA A100 GPU 上获得了 5 倍到 40 倍的加速效果。
本文介绍了脉冲神经网络（SNNs）作为深度神经网络的替代方法在信号处理应用中的广泛应用，包括神经形态计算和训练扩展方法。同时，还讨论了构建可部署SNN系统的基础硬件挑战。
