Что нового

В Kaspersky Neuromorphic Platform 2.0 появились следующие возможности и доработки:

• Комплект поставки для разработки прикладных решений на Linux – добавлены пакеты с библиотекой бэкенда для GPU с технологией поддержки CUDA.
• Бэкенды:
  • Бэкенд CUDABackend – добавлен интерфейс для GPU-бэкенда.
  • Бэкенд SingleThreadedCPUBackend – добавлена поддержка нейрона по модели AltAILIF.
  • Бэкенд MultiThreadedCPUBackend – добавлена поддержка нейрона по модели SynapticResourceSTDPBLIFATNeuron и синапса по модели SynapticResourceSTDPDeltaSynapse.
  • Оптимизирована работа CPU-бэкенда.

• Компоненты для использования на C++:
  • Библиотека core – расширена функциональность для классов Backend, MessageBus, MessageEndpoint, Population, Projection, Subscription и TagMap.
  • Фреймворк для C++ – расширена функциональность фреймворка для C++:
    • Пространство имен data_processing – добавлено пространство имен, предоставляющее функциональность для обработки данных для обучения и тестирования моделей классификации.
    • Пространство имен inference_evaluation – добавлено пространство имен, предоставляющее функциональность для оценки качества модели.
    • Пространство имен modifier – добавлено пространство имен, предоставляющее обработчики сообщений.
    • Пространство имен normalization – добавлено пространство имен, предоставляющее функции и функторы для нормализации параметров нейронов и синапсов в нейронных сетях.
    • Пространство имен monitoring – добавлено пространство имен model с функциями для мониторинга работа модели.
    • Пространство имен projection – добавлены функции для генерации синапсов и проекций синапсов.
    • Класс ModelExecutor – добавлены методы.
  • Библиотека neuron_traits – расширены интерфейсы нейронов по моделям BLIFATNeuron и SynapticResourceSTDPBLIFATNeuron.
• Компоненты для использования на Python – добавлены методы для класса ModelExecutor и UID.
• Библиотека synapse_traits (для использования на C++ и Python) – расширен интерфейс синапса по модели SynapticResourceSTDPDeltaSynapse.
• Пример mnist-learn – добавлен пример обучения нейронной сети на изображениях рукописных чисел и их меток из базы данных MNIST и ее исполнения.