类脑计算机操作系统的脉冲神经网络应用表示方法及装置

技术特征：
1.一种类脑计算机操作系统的脉冲神经网络应用表示方法，其特征在于包括如下步骤：步骤s1：构建脉冲神经网络并进行训练，得到脉冲神经网络文件；对构建的脉冲神经网络进行编译，建立脉冲神经网络与类脑计算机硬件资源之间的映射关系，得到编译文件；将脉冲神经网络文件和编译文件，连同校验文件和业务功能文件打包为类脑应用程序包；其中，校验文件用于检验类脑应用程序包的完整性和安全性，业务功能文件用于类脑计算机操作系统对具体应用功能的调用；步骤s2：类脑计算机操作系统针对类脑应用程序包构建接口，根据类脑应用程序包的目录结构获取并运行对应的文件，来部署脉冲神经网络，包括如下步骤：步骤s2.1：类脑计算机操作系统导入类脑应用程序包；步骤s2.2：执行校验文件，检查包的完整性和安全性，并判断脉冲神经网络能否部署于类脑计算机上；步骤s2.3：基于编译文件，得到脉冲神经网络与类脑计算机硬件资源之间的映射关系，将脉冲神经网络部署于类脑计算机的类脑芯片上；步骤s2.4：解析脉冲神经网络文件和业务功能文件，获取脉冲输入；步骤s2.5：将脉冲输入发送至部署于类脑计算机的脉冲神经网络，解析并返回脉冲输出。2.根据权利要求1所述的类脑计算机操作系统的脉冲神经网络应用表示方法，其特征在于：所述步骤s1包括如下步骤：步骤s1.1：脉冲神经网络模型的训练和/或转换，将人工智能神经网络转换为脉冲神经网络，对脉冲神经网络进行训练，输出脉冲神经网络文件，包括描述文件和权重连接文件；步骤s1.2：对脉冲神经网络进行编译，通过编译器建立脉冲神经网络的结构与类脑计算机硬件资源之间的映射关系，并将脉冲神经网络编译为类脑计算机能够识别的类脑芯片指令集；步骤s1.3：将脉冲神经网络文件和编译文件，连同校验文件和业务功能文件打包为类脑应用程序包。3.根据权利要求2所述的类脑计算机操作系统的脉冲神经网络应用表示方法，其特征在于： 所述步骤s2.3中，基于类脑芯片指令集，逐层将脉冲神经网络的神经元映射到作为硬件计算节点的类脑芯片上。4.根据权利要求1所述的类脑计算机操作系统的脉冲神经网络应用表示方法，其特征在于：所述步骤s1中，业务功能文件为实现应用业务功能的脚本，包括数据处理脚本、脉冲编解码脚本、业务功能处理脚本，数据处理脚本用于配置数据源输入方式和数据预处理方法；脉冲编码脚本中定义编码方法，用于将预处理的结果转换为脉冲序列；脉冲解码脚本中定义解码方法，用于将输出层神经元的脉冲激发序列解码为相应的结果；业务功能处理脚本用于实现具体的业务功能；所述步骤s2.4中，基于描述文件得到的输入层的神经元规模，经数据处理脚本得到数据输入源和数据预处理方法，再通过脉冲编码脚本得到数据预处理后的脉冲序列；将脉冲序列作为脉冲输入。
5.根据权利要求4所述的类脑计算机操作系统的脉冲神经网络应用表示方法，其特征在于：所述脉冲编码脚本的输出是键值对的集合，形式如下：[key1:[time1,time2,time3,...],key2:[time1,time2,time3,...]...]其中key表示输入神经元编号，其个数与脉冲神经网络的输入层神经元规模相匹配，time表示该神经元发放脉冲的时间点。6.根据权利要求1所述的类脑计算机操作系统的脉冲神经网络应用表示方法，其特征在于：所述步骤s1中，类脑应用程序包还包括图标文件，用于在类脑计算机操作系统用户界面中显示；所述步骤s2中，还包括创建类脑应用程序运行面板，用于载入图标文件用于标识，在获取到解码后的脉冲输出后，通过调用可视化脚本定义的输出信息展示方式，将脉冲输出呈现在运行面板上。7.根据权利要求1-6任一项所述类脑计算机操作系统的脉冲神经网络应用表示方法，其特征在于：所述步骤s2.5中，对脉冲输出进行解码，并统计脉冲神经网络输出层神经元各自的脉冲发放次数之和，基于输出层神经元各自的脉冲发放次数之和得到图像分类概率值，用于图像分类识别。8.一种类脑计算机操作系统的脉冲神经网络应用表示装置，其特征在于：包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1-6中任一项所述的类脑计算机操作系统的脉冲神经网络应用表示方法。9.根据权利要求8所述的类脑计算机操作系统的脉冲神经网络应用表示装置，其特征在于：当输出层神经元分布在类脑计算机操作系统中作为计算节点的多个类脑芯片上时，对每个神经元重新编号，得到的最终索引号的计算规则如下：式中：：表示计算节点在脉冲神经网络最后一层的序号；：表示每个计算节点上的神经元数目，通过将脉冲神经网络输出层的神经元总数平均分配到该层的计算节点上得到；：表示本神经元在本节点的神经元序号。10.一种类脑计算机操作系统的脉冲神经网络应用表示装置，其特征在于：包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求7所述的类脑计算机操作系统的脉冲神经网络应用表示方法。

技术总结
本发明公开了类脑计算机操作系统的脉冲神经网络应用表示方法及装置，将一个类脑应用所需的全部文件组织成一个dpk，具体包括：模型校验文件、SNN模型描述文件、SNN权重连接文件、可执行模型文件，以及应用配置、数据预处理、脉冲编解码、应用业务逻辑处理等文件。dpk的生成过程分为三步：SNN模型训练或转换、模型编译、应用压缩打包。类脑计算机操作系统导入dpk后进行解压和安装，部署模型到类脑计算机，并基于该神经模型运行类脑应用。本发明对各种脉冲神经网络模型和应用配置信息的表示提供约束和规范，为各种类脑应用接入类脑计算机提供统一入口，有助于提高类脑操作系统的管理效率以及类脑计算机硬件资源的利用率。及类脑计算机硬件资源的利用率。及类脑计算机硬件资源的利用率。


技术研发人员：孙庆姣 吕攀 齐勃 孙世春 邓水光 李莹 潘纲
受保护的技术使用者：浙江大学
技术研发日：2022.10.27
技术公布日：2022/11/25