事件驱动的三隔室脉冲神经网络(Basal/Apical/Soma),固定时间步训练;所有消息使用 Go 标准库 encoding/json 编解码;UI 采用 Vue 3 + Vite 实时展示训练日志与 Loss/Acc。

代码目录:cmd/{api,trainer}、internal/{config,events,natsbus,data,snn}、web/ui(Vue)。
NATS JetStream 流:SNN_EVENTS;主题:snn.train.*、snn.metrics.*、snn.params.*、snn.ui.log.training。

1. 启动 NATS + JetStream

   docker run -it --rm -p 4222:4222 -p 8222:8222 nats:2 -js
   # JetStream 控制台: http://127.0.0.1:8222

前端(Vue 3)

cd web/ui npm i npm run build # 生成 web/ui/dist

后端(Go)

go mod tidy

go run ./cmd/api

go run ./cmd/trainer

浏览器访问:http://127.0.0.1:8000(左侧日志、右侧 Loss/Acc)

配置(config.yaml,JSON 语法)

nats.url:NATS 地址(默认 nats://127.0.0.1:4222)

nats.stream:JetStream 流名(默认 SNN_EVENTS)

training.*:数据集、epoch、batch、T 步、固定点迭代(K、tol)、学习率、三隔室参数等

model.input/output:输入/输出维度

ui.addr:UI 监听地址(默认 :8000)

模型与训练要点

三隔室离散化(见 internal/snn/model.go);

固定时间步 T 前向;读出层 logits=Σ_t v_s_out[t];

损失与评估解码一致:交叉熵 CE(Σ_t v_s, y) + argmax(Σ_t v_s),避免 "Loss 低 Acc 低";

先训练读出层(W_out,B_out)即得可观的收敛;可在此基础上扩展 STE‐BPTT 到 W_in/W_b2s/W_a2s。

事件机制(JetStream)

snn.train.init:训练启动超参;

snn.train.fpt.iter:固定点每次迭代残差(K 次);

snn.metrics.batch / snn.metrics.epoch:批/轮指标;

snn.params.apply / snn.params.snap:参数应用/快照;

snn.ui.log.training:人读友好日志。 UI 的 /events SSE 会推送上述事件到浏览器。

示例关键日志 [INFO] epoch=1 step=1 loss=2.3191 acc=0.086 [INFO] epoch=1 step=50 loss=1.8427 acc=0.362 [EPOCH] epoch=1 loss=1.3872 acc=0.585 [INFO] epoch=2 step=50 loss=0.9731 acc=0.773 [EPOCH] epoch=2 loss=0.8420 acc=0.804 [EPOCH] epoch=3 loss=0.7214 acc=0.835 training finished

常见问题

Loss 降 Acc 不升:确认训练/评估都使用 Σ_t v_s_out[t];评估禁用噪声;检查标签对齐与 NATS 去重窗口。

SSE 无数据:检查 NATS 是否启动、是否订阅 snn.metrics.*/snn.ui.log.training。

config 解析失败:config.yaml 必须是 JSON 语法。

许可

MIT