BindsNET：基于 PyTorch 的脉冲神经网络仿真库

BindsNET 是一个用 PyTorch Tensor 在 CPU 或 GPU 上仿真脉冲神经网络（SNN）的 Python 包，面向机器学习中受生物启发的算法研究。

这个工具是什么

BindsNET 是 Python 包，利用 PyTorch 的 Tensor 功能在 CPU 或 GPU 上仿真脉冲神经网络（SNN），定位是面向机器学习中受生物启发的算法开发。它来自马萨诸塞大学 BINDS 实验室与塔夫茨大学 Allen Discovery Center 的持续研究，用于把 SNN、机器学习和强化学习问题结合起来。包内提供神经元、突触、网络与学习规则等组件，并附带 examples 目录下的实验集合、结果分析函数与实验绘图。强化学习环境使用 Gymnasium 与 Arcade Learning Environment（ale-py），随 BindsNET 一并安装。项目以 AGPL-3.0 许可发布，文档托管于 Read the Docs。

核心能力

• 以 PyTorch Tensor 为基础，可在 CPU 或 GPU 上运行 SNN 仿真
• 面向机器学习与强化学习中的生物启发算法开发
• 附带 examples 实验集合、结果分析与绘图函数
• 每条权重更新规则按其来源论文的公式进行校验并配有测试

科研中的典型用法

• 复现或近似复现已有 SNN 论文实验，例如运行 examples/mnist 下的 eth_mnist.py
• 在 MNIST 等任务上训练与测试脉冲网络，用 --plot 查看监控图、用 --n_neurons 调整兴奋/抑制神经元数量
• 结合 Gymnasium 与 Arcade Learning Environment 开展基于 SNN 的强化学习实验

快速上手

要求 Python >=3.11,

生态与相近工具