GoGPT Best VPN GoSearch

فاویکون OnWorks

cnrun - آنلاین در ابر

اجرای cnrun در ارائه دهنده هاست رایگان OnWorks از طریق Ubuntu Online، Fedora Online، شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MAC OS

این دستور cnrun است که می تواند در ارائه دهنده هاست رایگان OnWorks با استفاده از یکی از چندین ایستگاه کاری آنلاین رایگان ما مانند Ubuntu Online، Fedora Online، شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MAC OS اجرا شود.

برنامه:

نام


CNrun -- یک شبیه ساز شبکه عصبی

خلاصه


cnrun -h | -U | -e خط [گزینه ...]

شرح


CNrun شبیه ساز شبکه عصبی است، شبیه به NEURON یا GENESIS، اما بدون ارائه
برای محفظه های واحد توپولوژی شبکه را در قالب NeuroML به صورت صادر شده می خواند، fi،
توسط neuroConstruct. انواع واحدها با ویژگی 'cell_type' در nml. تعیین می شوند
تعاریف

انواع نورون های موجود، با رشته «cell_type» مربوطه، عبارتند از:

· HH و HHRateنورون های هوچکین هاکسلی مبتنی بر هدایت و سرعت (Traub & Miles,
1991)؛

· ساده اما سریع، ثابت-dt نقشه نورون ها مدل HH را تقلید می کنند.

· پواسونون در پل (VdP) و ساده است نبض اسیلاتورها;

سیناپس ها همانطور که در رال و همکاران، 1967 توضیح داده شده است (رال) و Destexhe و همکاران، 1994 (AB).

پارامترهای واحد را می توان از طریق a تنظیم کرد set_parm_* فرمان (نگاه کنید به اسکریپت زیر)؛ ارزش ها می تواند باشد
یک بار قبل از شبیه سازی، یا به طور مداوم یا دوره ای در هر برنامه تعریف شده توسط کاربر تنظیم کنید.

برای محاسبه متغیرهای حالت از روش یکپارچه سازی Runge-Kutta 6-5-order استفاده می شود. اینها
(پتانسیل غشایی E یا سرعت شلیک آنی R برای نورون ها، انتشار انتقال دهنده عصبی
S برای سیناپس ها) و همچنین زمان های سنبله را می توان ثبت کرد.

پشتیبانی از اسکریپت در CNrun شامل دستوراتی برای ایجاد و پر کردن یک مدل، تنظیمات است
پارامترها برای واحدها یا گروه های منفرد بر اساس تطبیق regex انتخاب شده اند. متغیرها ('a =
1 b = a + 2') و عبارات حسابی ('-'، '+'، '*'، '/'، '()') پشتیبانی می شوند.

OPTIONS


-C دیر chdir به دیر قبل از دویدن

-D تمام انواع واحدها را در مدل ریخته و خارج شوید.

-e [خط]
اجرا کردن خط. اگر این گزینه بدون نام فایل داده شده باشد (یا اصلا داده نشده باشد)،
یک مترجم تعاملی راه اندازی کنید.

-s مرتب سازی واحدها (بیشتر با خروجی پرمخاطب مفید است).

-L[1dbxL]
برای همه شنوندگان:

d به جای نوشتن مداوم، نوشتن را روی دیسک تا پایان موکول کنید (سرعت را افزایش می دهد
شبیه سازی اما شما نمی توانید پیشرفت را به صورت زنده با gnuplot تماشا کنید)

1 فقط اولین متغیر را وارد کنید (مناسب برای مدل HH که واحدها در آن قرار دارند
بیش از سه پارامتر دروازه ای غیر جالب).

b بجای ASCII به شکل باینری بومی بنویسید. این باعث افزایش سرعت مشاهده می شود
(اکنون فایل های label.varx) با gnuplot. نقشه خود را با "دودویی" انجام دهید
format="%lf%lf"" برای رسیدن به این هدف.

این گزینه ها را نیز می توان با استفاده از دستور تنظیم کرد listen_mode (که در زیر ببینید).

ادغام کننده لاگ L dt.

-E دو برابر
در این بازه گوش دهید (پیش‌فرض 1 میلی‌ثانیه؛ برای گوش دادن به هر چرخه روی 0 تنظیم کنید، که می‌تواند
سرعت cnrun به طور قابل توجهی کاهش می یابد). همچنین به عنوان دستور موجود است listen_dt.

-k[l|0]
با استفاده از برچسب‌های ('l') یا شناسه‌های واحد ('0') گزارشی از نورون‌های در حال چرخش در سراسر مدل بنویسید.

-e unint
دقت را برای همه خروجی ها تنظیم کنید (پیش فرض 8).

-آی تیدو برابر
dt_max (پیش‌فرض 0.5).

-آی تیدو برابر
dt_min (پیش‌فرض 1e-05).

-ixدو برابر
درپوش dt با مقدار dt فعلی x این افزایش می یابد (پیش فرض 5).

-nc ادغام سیناپس را غیرفعال کنید (برای محک زدن).

-v INT سطح پرحرفی را تنظیم کنید (پیش‌فرض ۱؛ مقادیر تا ۷ معنی‌دار هستند). از منفی استفاده کنید
مقدار فقط برای نشان دادن درصد پیشرفت، با تورفتگی روی خط در 8-× این
ارزش.

-U لیست تمام واحدهای موجود

-h نمای کلی گزینه های خط فرمان را چاپ کنید.

فاصله بین حرف گزینه و آرگومان برای گزینه های تک حرفی اختیاری است.
در تمام گزینه‌های دو حرفی که آرگومان می‌گیرند، مطمئن شوید که فضای خالی وجود ندارد
بین.

اسکریپت


دستورات با دو نقطه یا خط جدید مشخص می شوند. نظرات خطوطی هستند که با # شروع می شوند. را
دستورات زیر در دسترس هستند:

new_model نام
یک مدل جدید به نام NAME ایجاد کنید. مدل موجود حذف شده است.

use_nml NML_FILE
توپولوژی شبکه را از NML_FILE بارگیری کنید، در صورت لزوم یک مدل ایجاد کنید یا آن را جایگزین کنید
توپولوژی مدل موجود

merge_nml NML_FILE
ادغام در توپولوژی از NML_FILE.

add_neuron TYPE LABEL
یک newron جدید از نوع TYPE با برچسب LABEL اضافه کنید.

add_synapse TYPE SOURCE TARGET G
نورون با برچسب SOURCE را با یک سیناپس از نوع TARGET با برچسب TARGET وصل کنید
TYPE، با gsyn G.

cull_deaf_sinapses
سیناپس های با وزن صفر را بردارید.

set_parm_neuron LABEL PARM VALUE
پارامتر PARM را برای گروه مشخصی از نورون‌ها با برچسب مطابق با LABEL تنظیم کنید.

set_parm_synapse SRC TGT PARM VALUE
پارامتر PARM را برای سیناپس‌های بین نورون‌های برچسب‌گذاری شده با SRC و TGT تنظیم کنید. را
وزن سیناپسی که خود یک پارامتر سیناپس نیست را نیز می توان با این تنظیم کرد
دستور: برای انجام این کار، از gsyn به عنوان PARM استفاده کنید.

تنظیم مجدد مدل را ریست کنید. زمان مدل به 0 برگردانده می شود و همه واحدها حالت خود را دارند
متغیرها به پیش فرض سهام بازنشانی می شوند. هر پارامتر واحد قبلاً اختصاص داده شده و
منابع داده پیوست شده حفظ می شوند.

reset_revert_params
مدل را ریست کنید. زمان مدل به 0 برگردانده می شود، همه واحدها متغیرهای حالت خود را دارند
و پارامترها به پیش فرض سهام بازنشانی می شوند.

reset_state_units REGEX
با حفظ زمان مدل فعلی، واحدها را مانند بالا تنظیم مجدد کنید.

پیشبرد_تا TIME
تا TIME ثانیه پیش بروید.

پیشرفت TIME
پیشبرد TIME در ثانیه.

خروجی REGEX
حذف واحدهای مطابق با REGEX بر اساس برچسب.

تعیین کردن REGEX FRAC
به طور تصادفی واحدهای FRAC از جمعیت واحدهای انتخاب شده توسط REGEX را حذف کنید.

start_listen REGEX
واحدهای منطبق را به گوش دادن برسانید.

stop_listen
کاری کنید که واحدهای منطبق دیگر گوش ندهند.

listen_dt [مقدار]
فاصله گوش دادن را روی VALUE تنظیم کنید، یا اگر VALUE داده نشد، مقدار فعلی را نشان دهید.

listen_mode [SPEC]
حالت گوش دادن فعلی (فقط یک var، به تعویق افتاد) را چاپ کنید (اگر آرگومان حذف شده باشد).
نوشتن، و/یا باینری)؛ در غیر این صورت، حالت مربوطه را در صورت «1»، «d» یا «b» فعال کنید
در SPEC رخ می دهد، یا در صورت وجود آن را غیرفعال کنید و بلافاصله با یک "-" دنبال می شود.
توجه داشته باشید که واحدهایی که قبلاً گوش می‌دهند، تحت تأثیر قرار نخواهند گرفت. برای تغییر حالت برای
آنها، موضوع start_listen برای آنها پس از تنظیم حالت جدید.

start_log_spikes REGEX
نورون‌ها را با اسپایک‌های ثبت REGEX مطابقت دهید.

stop_log_spikes REGEX
نورون‌هایی را مطابق با Stop log REGEX ایجاد کنید.

sxf_params تأخیر: PERIOD: SIGMA
تابع چگالی سنبله تاخیر اولیه، دوره نمونه برداری و سیگما را همانطور که مشخص شده است تنظیم کنید.

توصیف_مدل
خلاصه ای از توپولوژی مدل و انواع واحدها را چاپ کنید.

نمایش_واحدها REGEX
پارامترهای چاپ و وضعیت واحدهای مطابق با REGEX.

منبع_جدید TYPE ID ARG ...
یک منبع جدید از نوع و با یک شناسه همانطور که نشان داده شده است ایجاد کنید. منابع را می توان متصل کرد
به واحد پارامترها به عنوان وسیله ای برای تنظیم یک رفتار در حال تغییر پویا. دیدن
دینامیک منابع زیر کلیک کنید.

connect_source SOURCE_ID LABEL PARM
این منبع را به پارامتر واحدهای منطبق وصل کنید.

منابع_نمایش
نمایش منابع فعال فعلی (هم متصل و هم غیرفعال).

exec [اسکریپت]
یک اسکریپت را اجرا کنید. اگر SCRIPT مشخص نشده است، یک مترجم تعاملی راه اندازی کنید.

زلال بودن [مرحله]
تنظیم/نمایش سطح پرحرفی

show_vars [REGEX]
چاپ متغیرهای مطابق با REGEX، یا تمام متغیرها در صورت حذف REGEX.

clear_vars [REGEX]
پاک کردن متغیرهای مطابق با REGEX، یا اگر REGEX حذف شد، همه را پاک کنید.

توقف [تاخیر انداختن]
در صورت مشخص شدن، برای DELAY ثانیه مکث کنید، یا تا زمانی که کاربر در غیر این صورت Enter را فشار دهد.

ترک در صورت فراخوانی از مترجم فعلی خارج شوید exec; در غیر این صورت از برنامه خارج شوید

هنگامی که از مفسر به صورت تعاملی استفاده می کنید، TAB تکمیل شده ها را به طور مناسب فهرست می کند.
بسته به زمینه

دینامیک منابع


علاوه بر پارامتر واحد استاتیک/تخصیص متغیر با set_parm_{نورون، سیناپس},
واحدها می توانند یک منبع داده متصل به هر یک از پارامترها یا متغیرهای خود داشته باشند (حتی اگر
متغیرها در چرخه بعدی بازنویسی می شوند).

منابع داده سه نوع هستند (چهارمی برای توسعه دهندگان در دسترس است، که دلخواه است
عملکرد کاربر زمان، اما به عنوان یک فرمان مفسر در معرض نمایش قرار نمی گیرد). جایی که داده ها برای a
منبع از یک فایل خوانده می شود، مقادیر با استفاده از عملگر '>>' (از ) به
یک متغیر دوگانه مربوطه منبع_جدید استدلال ها عبارتند از:

با کف دست زدن فایل
جفت‌های "time value" را از FILE بخوانید و مقدار پارامتر را بر اساس آن تنظیم کنید.

تناوبی فایل
انتظار می رود FILE به عنوان اولین مقدار عددی که توسط scanf ("%lg") خوانده می شود، یک زمان داشته باشد
دوره ای که در آن مقادیر زیر به صورت متوالی به پارامتر اختصاص داده می شود.
مقادیر در ابتدای هر چرخه یکپارچه سازی اختصاص داده می شود.

سر و صدا حداقل: حداکثر
یک عدد تصادفی توزیع شده یکنواخت در داخل (بدون توجه به زمان) ایجاد کنید
حداقل: حداکثر

مشابه پارامترها، متغیرهای حالت را نیز می توان به این روش تنظیم کرد. در این مورد،
مقادیر خوانده شده، هر آنچه را که عملکرد داخلی واحد به آن اختصاص می دهد، نادیده می گیرد.
جایی که یک نوار فاصله بین بارهای تخصیص بزرگتر از dt فعلی دارد، تخصیص ها هستند
هنوز ساخته شده؛ با این حال، این در مورد منابع دوره ای (عمدتاً برای عملکرد) صدق نمی کند
دلایل).

سیناپس ادغام


سیناپس های ادغام شده آنهایی هستند که پارامترهای یکسانی دارند و منبع یکسانی دارند.
ادغام، به ازای نرخ واگرایی، تعداد دفعاتی که متغیر S محاسبه می شود را کاهش می دهد
با پارامترهای یکسان در هر چرخه؛ علاوه بر این برای سیناپس های میزبان، ادغام
بردار منقبض شده است تا متناسب با افزایش عملکرد بیشتر باشد.

ادغام به طور خودکار بین دو سیناپس از یک منبع اتفاق می افتد، در نهایت
تخصیص پارامترها، مشخص شد که آنها یکسان هستند (بدون در نظر گرفتن وزن سیناپسی).
برعکس، زمانی که کاربر پارامتری را به یک سیناپس ادغام شده تغییر می دهد که متفاوت است
از مقدار آن پارامتر در بقیه، آن سیناپس مستقل می شود.

توجه داشته باشید که برچسب واحدهای سیناپس به صورت پویا از برچسب منبع با a تشکیل شده است
نقطه ویرگول و تعداد فعلی اهداف. یکی دیگر از پیامدهای ادغام این است که
می تواند بیش از یک واحد سیناپس با برچسب یکسان وجود داشته باشد (از این رو، به طور منحصر به فرد برای شناسایی
یک سیناپس، باید منبع و هدف آن را مشخص کنید).

گزینه خط فرمان -nc می تواند برای غیرفعال کردن ادغام استفاده شود.

با استفاده از خدمات onworks.net از cnrun آنلاین استفاده کنید


سرورها و ایستگاه های کاری رایگان

دانلود برنامه های ویندوز و لینوکس

دستورات لینوکس

Ad




×
تبلیغات
❤️اینجا خرید کنید، رزرو کنید یا بخرید - رایگان است، به رایگان ماندن خدمات کمک می‌کند.