如何解决如何在pytorch模型中声明每个神经元的连接?
我想创建一个类似于大脑的烂摊子:
- 我们有长度为
I
的输入张量n
和输出长度为O
的张量p
- 在这两者之间,我们有
K
个“相交”层 - 在相交层,神经元当时与“闭合”神经元的随机子集(
+-
范围c
)共享它们的值。以w_i * current_neuron_val 的形式
- 和
J
“创建”层是从一组或ReLued“关闭”神经元(+-
范围c
)创建新的神经元。封闭的神经元不会进入更深层。
我们可以用PyTorch做这样的事情,以便这种模型可以训练吗?
解决方法
您应该基于 nn.Module 创建自己的类,并手动实现前进和后退。我猜你必须通过张量内的特征标签来控制那些类似大脑的混乱连接(又名“0” - 没有连接)。 因为所有框架都使用张量 - 它们默认情况下是完全连接的,另一个行为必须是代码中的归纳。
查看 bindsNET 的代码 - 他们如何使用 pytorch 实现尖峰模型
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。