如何使用 Pytorch 在(尖峰)神经网络中定义输入层
pytorch 410
原文标题 :How to define the input layer in (spiking) neural network with Pytorch
我最近开始使用 Python,更具体地说是使用 Pytorch 库来创建神经网络。我正在使用尖峰神经网络 (SNN),但我怀疑定义人工神经网络 (ANN) 和 SNN 的方式非常相似,这是您必须指定神经元类型的唯一更改。
在 MNIST 数据集的典型示例中,定义了神经网络:
net = nn.Sequential(
nn.Flatten(),
nn.Linear(28*28, 10, bias=False),
neuron.LIFNode(tau=tau)
)
作为定义 SNN 的代码的最后一行。这里的问题是我与图像问题关系不大,我不确定代码行的第一个超参数(“28 * 28”)的确切含义nn.Linear(28*28, 10, bias=False)
。我不知道这是否意味着您有 28 个神经元并且在每个神经元中每个样本引入 28 个点,或者输入层就像一个 28*28 的矩阵,您只在每个样本中引入一个点,或者输入层基于784 个神经元(28 乘以 28)。
我正在尝试面对一个回归任务问题,其中我的训练数据集基于 4096 个样本,并且在每个样本中我有 64 个点。所以,我的问题是如何引入这个输入,因为我只想要一个输入神经元,每个样本可以引入 64 个点。
提前致谢。