[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-lava-nc--lava":3,"tool-lava-nc--lava":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",151314,2,"2026-04-11T23:32:58",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":65,"owner_company":75,"owner_location":75,"owner_email":75,"owner_twitter":75,"owner_website":76,"owner_url":77,"languages":78,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":95,"env_os":96,"env_gpu":97,"env_ram":97,"env_deps":98,"category_tags":106,"github_topics":108,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":115,"updated_at":116,"faqs":117,"releases":146},6751,"lava-nc\u002Flava","lava","A Software Framework for Neuromorphic Computing","Lava 是一个专为神经形态计算打造的开源软件框架，旨在帮助开发者构建能运行在传统处理器与新型神经形态芯片（如 Intel Loihi）上的分布式、大规模并行应用。它解决了算法开发与异构硬件部署之间的鸿沟，让研究人员无需深入底层硬件细节，即可利用高级库轻松开发深度学习、约束优化等前沿算法，并灵活映射到不同架构。\n\nLava 特别适合从事类脑计算、边缘智能及高效能计算的研究人员与软件工程师。其核心亮点在于独特的抽象层设计：既支持基于事件的消息传递机制以适配神经形态硬件的低功耗特性，又保持了与传统 CPU 后端的兼容性。框架采用模块化结构，包含丰富的算法库和编译工具链，且核心部分基于宽松的 BSD 3 协议开放，鼓励社区共建。虽然针对特定硬件（如 Loihi）的底层驱动可能需要加入英特尔神经形态研究社区（INRC）获取，但 Lava 本身开放的扩展性使其成为探索下一代计算架构的理想起点。","![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flava-nc_lava_readme_8fa732ca9894.png)\n\u003Cp align=\"center\">\u003Cb>\n  A Software Framework for Neuromorphic Computing\n\u003C\u002Fb>\u003C\u002Fp>\n\n[![Codacy Badge](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flava-nc_lava_readme_adaaa9495e23.png)](https:\u002F\u002Fapp.codacy.com\u002Fgh\u002Flava-nc\u002Flava\u002Fdashboard?utm_source=gh&utm_medium=referral&utm_content=&utm_campaign=Badge_grade)\n[![Codacy Badge](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flava-nc_lava_readme_04cfbbfa92f9.png)](https:\u002F\u002Fapp.codacy.com\u002Fgh\u002Flava-nc\u002Flava\u002Fdashboard?utm_source=gh&utm_medium=referral&utm_content=&utm_campaign=Badge_coverage)\n\nIf you like lava and want to support it, the easiest way is to star our repo (click star in the upper right corner).\n\n# Overview\n\nLava is an open source SW framework to develop applications for\nneuromorphic hardware architectures. It provides developers with the abstractions\nand tools to develop distributed and massively parallel applications. These\napplications can be deployed to heterogeneous system architectures containing\nconventional processors as well as neuromorphic chips that exploit event-based\nmessage passing for communication. The Lava framework comprises high-level\nlibraries for deep learning, constrained optimization, and others for productive\nalgorithm development. It also includes tools to map those algorithms to\ndifferent types of hardware architectures.\n\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flava-nc_lava_readme_68c5544e581c.png\" alt=\"Lava organization\" width=\"500\"\u002F>\n\u003C\u002Fp>\n\nToday Lava supports conventional CPUs and Intel's Loihi architecture, but\nits compiler and runtime are open to extension for other architectures.\n\nTo learn more about the Lava Software Framework, please refer to the\ndetailed documentation at http:\u002F\u002Flava-nc.org\u002F.\n\nThe Lava framework is licensed with permissive open source\nBSD 3 licensing to highly encourage community contributions.\nLower level components in Lava, that map algorithms to different\nhardware backends, are licensed with the LGPL-2.1 license to discourage\ncommercial proprietary forks. Specific sensitive components\nsupporting architectures like Intel Loihi may remain proprietary\nto Intel and will be shared as extensions to eligible users.\n\n>### Lava extension for Intel's Loihi\n>The Lava extension for Loihi is available for members of the Intel Neuromorphic Research Community (INRC). The extension enables execution of Lava on Intel's Loihi hardware platform.\n>\n>Developers interested in using Lava with Loihi systems need to join the INRC. Loihi 1 and 2 research systems are currently not available commercially. Once a member of the INRC, developers will gain access to cloud-hosted Loihi systems or may be able to obtain physical Loihi systems on a loan basis.\n>\n>To join the INRC, visit [http:\u002F\u002Fneuromorphic.intel.com](http:\u002F\u002Fneuromorphic.intel.com) or email at [inrc_interest@intel.com](mailto:inrc_interest@intel.com).\n>\n> If you are already a member of the INRC, please read how to [get started with the Lava extension for Loihi](https:\u002F\u002Fintel-ncl.atlassian.net\u002Fwiki\u002Fspaces\u002FNAP\u002Fpages\u002F1785856001\u002FGet+started+with+the+Lava+extension+for+Loihi). This page is **only** accessible to members of the INRC.\n\n\n# Getting started\nThe open-source Lava Software framework and its complementary algorithm\nlibraries are hosted at [http:\u002F\u002Fgithub.com\u002Flava-nc](http:\u002F\u002Fgithub.com\u002Flava-nc) and\nthe framework supports at minimimum CPU backends.\n\nNote that you should install the core Lava repository [lava](http:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava)\nbefore installing other Lava libraries such as [lava-optimization](http:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava-optimization)\nor [lava-dl](http:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava-dl).\n\n## Installing Lava from source\n\nIf you are interested in developing in Lava and modifying Lava source code,\nwe recommend cloning the repository and using `poetry` to setup Lava. You\nwill need to install the `poetry` Python package.\n\nOpen a **python 3** terminal and run based on the OS you are on:\n\n### Linux\u002FMacOS\n\n```bash\ncd $HOME\ncurl -sSL https:\u002F\u002Finstall.python-poetry.org | python3 -\ngit clone git@github.com:lava-nc\u002Flava.git\ncd lava\ngit checkout v0.9.0\n.\u002Futils\u002Fgithook\u002Finstall-hook.sh\npoetry config virtualenvs.in-project true\npoetry install\nsource .venv\u002Fbin\u002Factivate\npytest\n\n## See FAQ for more info: https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fwiki\u002FFrequently-Asked-Questions-(FAQ)#install\n```\n\n### Windows\n\n```powershell\n# Commands using PowerShell\ncd $HOME\ngit clone git@github.com:lava-nc\u002Flava.git\ncd lava\ngit checkout v0.9.0\npython3 -m venv .venv\n.venv\\Scripts\\activate\npip install -U pip\ncurl -sSL https:\u002F\u002Finstall.python-poetry.org | python3 -\npoetry config virtualenvs.in-project true\npoetry install\npytest\n```\n\nYou should expect the following output after running the unit tests:\n\n```\n$ pytest\n============================================== test session starts ==============================================\nplatform linux -- Python 3.8.10, pytest-7.0.1, pluggy-1.0.0\nrootdir: \u002Fhome\u002Fuser\u002Flava, configfile: pyproject.toml, testpaths: tests\nplugins: cov-3.0.0\ncollected 205 items\n\ntests\u002Flava\u002Fmagma\u002Fcompiler\u002Ftest_channel_builder.py .                                                       [  0%]\ntests\u002Flava\u002Fmagma\u002Fcompiler\u002Ftest_compiler.py ........................                                       [ 12%]\ntests\u002Flava\u002Fmagma\u002Fcompiler\u002Ftest_node.py ..                                                                 [ 13%]\ntests\u002Flava\u002Fmagma\u002Fcompiler\u002Fbuilder\u002Ftest_channel_builder.py .                                               [ 13%]\n\n...... pytest output ...\n\ntests\u002Flava\u002Fproc\u002Fsdn\u002Ftest_models.py ........                                                               [ 98%]\ntests\u002Flava\u002Fproc\u002Fsdn\u002Ftest_process.py ...                                                                   [100%]\n=============================================== warnings summary ================================================\n\n...... pytest output ...\n\nsrc\u002Flava\u002Fproc\u002Flif\u002Fprocess.py                                                           38      0   100%\nsrc\u002Flava\u002Fproc\u002Fmonitor\u002Fmodels.py                                                        27      0   100%\nsrc\u002Flava\u002Fproc\u002Fmonitor\u002Fprocess.py                                                       79      0   100%\nsrc\u002Flava\u002Fproc\u002Fsdn\u002Fmodels.py                                                           159      9    94%   199-202, 225-231\nsrc\u002Flava\u002Fproc\u002Fsdn\u002Fprocess.py                                                           59      0   100%\n-----------------------------------------------------------------------------------------------------------------TOTAL\n                                                                                     4048    453    89%\n\nRequired test coverage of 85.0% reached. Total coverage: 88.81%\n============================ 199 passed, 6 skipped, 2 warnings in 118.17s (0:01:58) =============================\n\n```\n\n## Alternative: Installing Lava via Conda\n\nIf you use the Conda package manager, you can simply install the Lava package\nvia:\n\n```bash\nconda install lava -c conda-forge\n```\n\nAlternatively with intel numpy and scipy:\n\n```bash\nconda create -n lava python=3.9 -c intel\nconda activate lava\nconda install -n lava -c intel numpy scipy\nconda install -n lava -c conda-forge lava --freeze-installed\n```\n\n## Alternative: Installing Lava from pypi\n\nIf you would like to install Lava as a user you can install via pypi binaries.\nInstalling in this way does not give you access to run tests.\n\nOpen a Python terminal and run:\n\n### Windows\u002FMacOS\u002FLinux\n\n```bash\npython -m venv .venv\nsource .venv\u002Fbin\u002Factivate ## Or Windows: .venv\\Scripts\\activate\npip install -U pip\npip install lava-nc\n```\n\n## Alternative: Installing Lava from binaries\n\nYou can also install Lava as a user with published Lava releases via\n[GitHub Releases](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Freleases). Please download\nthe package and install it with the following commands. Installing in this way does not\ngive you access to run tests.\n\nOpen a Python terminal and run:\n\n### Windows\u002FMacOS\u002FLinux\n\n```bash\npython -m venv .venv\nsource .venv\u002Fbin\u002Factivate ## Or Windows: .venv\\Scripts\\activate\npip install -U pip\n# Substitute lava version needed for lava-nc-\u003Cversion here>.tar.gz below\npip install lava-nc-0.9.0.tar.gz\n```\n\n## Linting, testing, documentation and packaging\n\n```bash\n# Install poetry\ncurl -sSL https:\u002F\u002Finstall.python-poetry.org | python3 -\npoetry config virtualenvs.in-project true\npoetry install\npoetry shell\n\n# Run linting\nflakeheaven lint src\u002Flava tests\n\n# Run unit tests\npytest\n\n# Create distribution\npoetry build\n#### Find builds at dist\u002F\n\n# Run Secuity Linting\nbandit -r src\u002Flava\u002F.\n\n#### If security linting fails run bandit directly\n#### and format failures\nbandit -r src\u002Flava\u002F. --format custom --msg-template '{abspath}:{line}: {test_id}[bandit]: {severity}: {msg}'\n```\n##\n>Refer to the tutorials directory for in-depth as well as end-to-end tutorials on how to write Lava Processes, connect them, and execute the code.\n\n# Stay in touch\n\nTo receive regular updates on the latest developments and releases of the Lava\nSoftware Framework\nplease [subscribe to our newsletter](http:\u002F\u002Feepurl.com\u002FhJCyhb).\n","![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flava-nc_lava_readme_8fa732ca9894.png)\n\u003Cp align=\"center\">\u003Cb>\n  一种用于神经形态计算的软件框架\n\u003C\u002Fb>\u003C\u002Fp>\n\n[![Codacy Badge](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flava-nc_lava_readme_adaaa9495e23.png)](https:\u002F\u002Fapp.codacy.com\u002Fgh\u002Flava-nc\u002Flava\u002Fdashboard?utm_source=gh&utm_medium=referral&utm_content=&utm_campaign=Badge_grade)\n[![Codacy Badge](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flava-nc_lava_readme_04cfbbfa92f9.png)](https:\u002F\u002Fapp.codacy.com\u002Fgh\u002Flava-nc\u002Flava\u002Fdashboard?utm_source=gh&utm_medium=referral&utm_content=&utm_campaign=Badge_coverage)\n\n如果你喜欢 Lava 并希望支持它，最简单的方法就是给我们的仓库点个赞（点击右上角的星标）。\n\n# 概述\n\nLava 是一个开源的软件框架，用于开发针对神经形态硬件架构的应用程序。它为开发者提供了抽象层和工具，以构建分布式、大规模并行的应用程序。这些应用程序可以部署到包含传统处理器以及利用事件驱动消息传递进行通信的神经形态芯片的异构系统架构中。Lava 框架包括用于深度学习、约束优化等领域的高级库，以促进高效的算法开发。此外，它还包含将这些算法映射到不同硬件架构的工具。\n\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flava-nc_lava_readme_68c5544e581c.png\" alt=\"Lava 组织结构图\" width=\"500\"\u002F>\n\u003C\u002Fp>\n\n目前，Lava 支持传统的 CPU 和英特尔的 Loihi 架构，但其编译器和运行时环境对其他架构具有良好的扩展性。\n\n如需了解更多关于 Lava 软件框架的信息，请参阅详细文档：http:\u002F\u002Flava-nc.org\u002F。\n\nLava 框架采用宽松的 BSD 3 许可证授权，以高度鼓励社区贡献。而 Lava 中负责将算法映射到不同硬件后端的底层组件，则采用 LGPL-2.1 许可证授权，以防止商业专有分支的出现。特定的支持英特尔 Loihi 等架构的敏感组件可能仍归英特尔所有，并将以扩展形式提供给符合条件的用户。\n\n>### Lava 对英特尔 Loihi 的扩展\n>Lava 对 Loihi 的扩展仅适用于英特尔神经形态研究社区（INRC）的成员。该扩展允许在英特尔的 Loihi 硬件平台上运行 Lava。\n>\n>有意将 Lava 与 Loihi 系统结合使用的开发者需要加入 INRC。Loihi 1 和 2 的研究系统目前尚未商业化。一旦成为 INRC 成员，开发者将获得云端托管的 Loihi 系统的访问权限，或有机会以借用方式获得物理 Loihi 系统。\n>\n>要加入 INRC，请访问 [http:\u002F\u002Fneuromorphic.intel.com](http:\u002F\u002Fneuromorphic.intel.com) 或发送邮件至 [inrc_interest@intel.com](mailto:inrc_interest@intel.com)。\n>\n>如果您已经是 INRC 成员，请阅读如何[开始使用 Lava 对 Loihi 的扩展](https:\u002F\u002Fintel-ncl.atlassian.net\u002Fwiki\u002Fspaces\u002FNAP\u002Fpages\u002F1785856001\u002FGet+started+with+the+Lava+extension+for+Loihi)。此页面**仅**对 INRC 成员开放。\n\n\n# 快速入门\n开源的 Lava 软件框架及其配套算法库托管在 [http:\u002F\u002Fgithub.com\u002Flava-nc](http:\u002F\u002Fgithub.com\u002Flava-nc) 上，该框架至少支持 CPU 后端。\n\n请注意，在安装其他 Lava 库（如 [lava-optimization](http:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava-optimization) 或 [lava-dl](http:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava-dl)）之前，应先安装核心 Lava 仓库 [lava](http:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava)。\n\n## 从源码安装 Lava\n\n如果您有兴趣参与 Lava 的开发并修改其源代码，我们建议您克隆仓库，并使用 `poetry` 来设置 Lava 环境。您需要先安装 `poetry` Python 包。\n\n打开一个 **Python 3** 终端，并根据您的操作系统执行以下命令：\n\n### Linux\u002FMacOS\n\n```bash\ncd $HOME\ncurl -sSL https:\u002F\u002Finstall.python-poetry.org | python3 -\ngit clone git@github.com:lava-nc\u002Flava.git\ncd lava\ngit checkout v0.9.0\n.\u002Futils\u002Fgithook\u002Finstall-hook.sh\npoetry config virtualenvs.in-project true\npoetry install\nsource .venv\u002Fbin\u002Factivate\npytest\n\n## 更多信息请参阅常见问题解答：https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fwiki\u002FFrequently-Asked-Questions-(FAQ)#install\n```\n\n### Windows\n\n```powershell\n# 使用 PowerShell 的命令\ncd $HOME\ngit clone git@github.com:lava-nc\u002Flava.git\ncd lava\ngit checkout v0.9.0\npython3 -m venv .venv\n.venv\\Scripts\\activate\npip install -U pip\ncurl -sSL https:\u002F\u002Finstall.python-poetry.org | python3 -\npoetry config virtualenvs.in-project true\npoetry install\npytest\n```\n\n运行单元测试后，您应该会看到如下输出：\n\n```\n$ pytest\n============================================== 测试会话开始 ==============================================\n平台 linux -- Python 3.8.10, pytest-7.0.1, pluggy-1.0.0\n根目录：\u002Fhome\u002Fuser\u002Flava，配置文件：pyproject.toml，测试路径：tests\n插件：cov-3.0.0\n收集了 205 项\n\ntests\u002Flava\u002Fmagma\u002Fcompiler\u002Ftest_channel_builder.py .                                                       [  0%]\ntests\u002Flava\u002Fmagma\u002Fcompiler\u002Ftest_compiler.py ........................                                       [ 12%]\ntests\u002Flava\u002Fmagma\u002Fcompiler\u002Ftest_node.py ..                                                                 [ 13%]\ntests\u002Flava\u002Fmagma\u002Fcompiler\u002Fbuilder\u002Ftest_channel_builder.py .                                               [ 13%]\n\n...... pytest 输出 ...\n\ntests\u002Flava\u002Fproc\u002Fsdn\u002Ftest_models.py ........                                                               [ 98%]\ntests\u002Flava\u002Fproc\u002Fsdn\u002Ftest_process.py ...                                                                   [100%]\n=============================================== 警告摘要 ================================================\n\n...... pytest 输出 ...\n\nsrc\u002Flava\u002Fproc\u002Flif\u002Fprocess.py                                                           38      0   100%\nsrc\u002Flava\u002Fproc\u002Fmonitor\u002Fmodels.py                                                        27      0   100%\nsrc\u002Flava\u002Fproc\u002Fmonitor\u002Fprocess.py                                                       79      0   100%\nsrc\u002Flava\u002Fproc\u002Fsdn\u002Fmodels.py                                                           159      9    94%   199-202, 225-231\nsrc\u002Flava\u002Fproc\u002Fsdn\u002Fprocess.py                                                           59      0   100%\n-----------------------------------------------------------------------------------------------------------------总计\n                                                                                     4048    453    89%\n\n已达到 85.0% 的最低测试覆盖率要求。总覆盖率为 88.81%\n============================ 199 项通过，6 项跳过，2 条警告，耗时 118.17 秒（0 小时 1 分 58 秒） =============================\n```\n\n## 替代方案：通过 Conda 安装 Lava\n\n如果您使用 Conda 包管理器，可以直接通过以下命令安装 Lava 包：\n\n```bash\nconda install lava -c conda-forge\n```\n\n或者使用 Intel 版本的 NumPy 和 SciPy：\n\n```bash\nconda create -n lava python=3.9 -c intel\nconda activate lava\nconda install -n lava -c intel numpy scipy\nconda install -n lava -c conda-forge lava --freeze-installed\n```\n\n## 替代方案：从 PyPI 安装 Lava\n\n如果您希望以用户身份安装 Lava，可以通过 PyPI 的二进制包进行安装。不过，这种方式无法运行测试。\n\n打开 Python 终端并执行以下命令：\n\n### Windows\u002FMacOS\u002FLinux\n\n```bash\npython -m venv .venv\nsource .venv\u002Fbin\u002Factivate ## 或者在 Windows 上：.venv\\Scripts\\activate\npip install -U pip\npip install lava-nc\n```\n\n## 替代方案：从二进制文件安装 Lava\n\n您也可以通过 [GitHub Releases](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Freleases) 下载发布的 Lava 版本，并以用户身份进行安装。请注意，这种方式同样无法运行测试。\n\n打开 Python 终端并执行以下命令：\n\n### Windows\u002FMacOS\u002FLinux\n\n```bash\npython -m venv .venv\nsource .venv\u002Fbin\u002Factivate ## 或者在 Windows 上：.venv\\Scripts\\activate\npip install -U pip\n# 请将下方的 lava-nc-\u003Cversion>.tar.gz 中的版本号替换为您所需的版本\npip install lava-nc-0.9.0.tar.gz\n```\n\n## 代码检查、测试、文档和打包\n\n```bash\n# 安装 Poetry\ncurl -sSL https:\u002F\u002Finstall.python-poetry.org | python3 -\npoetry config virtualenvs.in-project true\npoetry install\npoetry shell\n\n# 运行代码检查\nflakeheaven lint src\u002Flava tests\n\n# 运行单元测试\npytest\n\n# 创建分发包\npoetry build\n#### 构建产物位于 dist\u002F 目录下\n\n# 运行安全检查\nbandit -r src\u002Flava\u002F.\n\n#### 如果安全检查失败，请直接运行 bandit 并格式化输出\nbandit -r src\u002Flava\u002F. --format custom --msg-template '{abspath}:{line}: {test_id}[bandit]: {severity}: {msg}'\n```\n\n##\n> 有关如何编写 Lava 流程、连接它们以及执行代码的深入教程和端到端指南，请参阅 tutorials 目录。\n\n# 保持联系\n\n如需定期获取 Lava 软件框架的最新进展和发布信息，请 [订阅我们的新闻通讯](http:\u002F\u002Feepurl.com\u002FhJCyhb)。","# Lava 快速上手指南\n\nLava 是一个用于神经形态计算（Neuromorphic Computing）的开源软件框架。它支持在包含传统处理器和神经形态芯片（如 Intel Loihi）的异构系统上开发分布式、大规模并行应用。\n\n## 环境准备\n\n*   **操作系统**: Linux, macOS, 或 Windows (PowerShell)\n*   **Python 版本**: Python 3.8 或更高 (推荐 3.9)\n*   **前置依赖**:\n    *   `git`: 用于克隆代码仓库\n    *   `poetry`: Python 包管理工具（源码安装必需）\n    *   `conda` (可选): 如果你偏好使用 Conda 环境\n\n> **注意**: 目前 Lava 核心框架主要支持 CPU 后端。若需使用 Intel Loihi 硬件，需加入 Intel 神经形态研究社区 (INRC) 获取专属扩展。\n\n## 安装步骤\n\n你可以根据需求选择以下任意一种安装方式。**推荐开发者使用“源码安装”以便修改代码和运行测试。**\n\n### 方式一：源码安装（推荐开发者）\n\n此方式适合需要修改 Lava 源码或参与贡献的开发者。\n\n**Linux \u002F macOS:**\n\n```bash\ncd $HOME\ncurl -sSL https:\u002F\u002Finstall.python-poetry.org | python3 -\ngit clone git@github.com:lava-nc\u002Flava.git\ncd lava\ngit checkout v0.9.0\n.\u002Futils\u002Fgithook\u002Finstall-hook.sh\npoetry config virtualenvs.in-project true\npoetry install\nsource .venv\u002Fbin\u002Factivate\npytest\n```\n\n**Windows (PowerShell):**\n\n```powershell\ncd $HOME\ngit clone git@github.com:lava-nc\u002Flava.git\ncd lava\ngit checkout v0.9.0\npython3 -m venv .venv\n.venv\\Scripts\\activate\npip install -U pip\ncurl -sSL https:\u002F\u002Finstall.python-poetry.org | python3 -\npoetry config virtualenvs.in-project true\npoetry install\npytest\n```\n\n*安装成功后，`pytest` 将运行单元测试并显示覆盖率报告。*\n\n### 方式二：Conda 安装\n\n如果你使用 Conda 包管理器，可以快速安装稳定版。\n\n```bash\nconda install lava -c conda-forge\n```\n\n或者配合 Intel 优化的 numpy\u002Fscipy 使用：\n\n```bash\nconda create -n lava python=3.9 -c intel\nconda activate lava\nconda install -n lava -c intel numpy scipy\nconda install -n lava -c conda-forge lava --freeze-installed\n```\n\n### 方式三：PyPI 安装（仅用户）\n\n如果你只需要使用 Lava 而不需要修改源码或运行测试，可直接通过 pip 安装二进制包。\n\n```bash\npython -m venv .venv\nsource .venv\u002Fbin\u002Factivate \n# Windows 用户请使用: .venv\\Scripts\\activate\n\npip install -U pip\npip install lava-nc\n```\n\n## 基本使用\n\nLava 的核心概念是 **Process**（处理单元）和 **Connection**（连接）。以下是一个最简单的示例，展示如何定义一个进程并运行它。\n\n*注：详细教程请参考项目中的 `tutorials` 目录。*\n\n```python\nfrom lava.magma.core.run_conditions import RunSteps\nfrom lava.magma.core.run_configs import Loihi1SimCfg\nfrom lava.proc.lif.process import LIF\n\n# 1. 创建一个简单的神经元进程 (Leaky Integrate-and-Fire)\nlif_neuron = LIF(shape=(1,), vth=10.0, du=0.0, dv=0.0)\n\n# 2. 配置运行条件 (例如运行 10 个时间步)\nrun_condition = RunSteps(num_steps=10)\n\n# 3. 在模拟器后端运行该进程\n# Loihi1SimCfg 会自动选择 CPU 模拟后端\nlif_neuron.run(condition=run_condition, run_cfg=Loihi1SimCfg())\n\n# 4. 获取结果并停止运行\nprint(\"神经元状态:\", lif_neuron.v.get())\nlif_neuron.stop()\n```\n\n### 验证安装\n如果在源码安装模式下，运行 `pytest` 后看到类似以下输出，说明安装成功：\n```text\n============================ 199 passed, 6 skipped, 2 warnings =============================\nRequired test coverage of 85.0% reached. Total coverage: 88.81%\n```","某神经形态计算研究团队正致力于开发一套基于事件驱动的实时手势识别系统，旨在将其部署到 Intel Loihi  neuromorphic 芯片上以实现超低功耗运行。\n\n### 没有 lava 时\n- 开发者必须直接使用底层硬件指令集编写代码，导致算法逻辑与硬件细节紧密耦合，代码难以移植和维护。\n- 缺乏统一的事件传递机制，处理稀疏数据流时需要手动管理复杂的内存同步和通信协议，极易出错。\n- 无法在同一框架内混合使用传统 CPU 进行预处理和神经形态芯片进行推理，异构系统搭建成本极高。\n- 缺少针对脉冲神经网络（SNN）的高层库支持，研究人员需从零实现深度学习算子，严重拖慢算法验证进度。\n\n### 使用 lava 后\n- 利用 lava 提供的高级抽象接口，团队可以用 Python 快速构建分布式应用，完全屏蔽底层硬件架构的复杂性。\n- 内置的事件驱动消息传递机制天然适配稀疏数据，自动优化了节点间的通信效率，显著降低了开发门槛。\n- 通过 lava 的编译器工具链，无缝将算法映射到包含 CPU 和 Loihi 芯片的异构系统中，实现了灵活的混合部署。\n- 直接调用 lava-dl 等高层库复用成熟的深度学习和约束优化算法，将原型开发周期从数月缩短至数周。\n\nlava 通过提供软硬件解耦的开发框架，让研究者能专注于算法创新而非硬件适配，真正释放了神经形态计算的潜力。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flava-nc_lava_3b45f404.png","lava-nc","Lava","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Flava-nc_7c7bb084.png",null,"http:\u002F\u002Flava-nc.org","https:\u002F\u002Fgithub.com\u002Flava-nc",[79,83,87],{"name":80,"color":81,"percentage":82},"Jupyter Notebook","#DA5B0B",67.9,{"name":84,"color":85,"percentage":86},"Python","#3572A5",32.1,{"name":88,"color":89,"percentage":90},"Shell","#89e051",0,713,172,"2026-04-09T06:57:13","NOASSERTION",4,"Linux, macOS, Windows","未说明",{"notes":99,"python":100,"dependencies":101},"该框架主要支持 CPU 后端及 Intel Loihi 神经形态芯片。若需使用 Loihi 硬件，必须加入英特尔神经形态研究社区 (INRC) 获取专有扩展，且 Loihi 系统不对外商业销售。安装推荐使用 poetry 或 conda，源码安装需执行单元测试验证环境。","3.8+",[102,103,104,105],"poetry","pytest","numpy","scipy",[14,107],"其他",[109,110,111,112,113,114],"neuromorphic-computing","neuromorphic","deep-learning","neural-networks","neuroscience","python","2026-03-27T02:49:30.150509","2026-04-12T07:52:32.715086",[118,123,128,133,138,142],{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},30453,"如何通过 Conda 安装 Lava 及其相关库？","Lava 已支持通过 conda-forge 安装。您可以使用以下命令轻松安装 lava、lava-optimization 和 lava-dl，而无需担心版本冲突：\n`conda install lava lava-optimization lava-dl -c conda-forge`\n这提供了一种比 pip 更便捷的替代安装方式。","https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F119",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},30454,"在 Windows 系统上运行包含函数指针或 Lambda 表达式的进程时出现 Pickling 错误怎么办？","这是 Windows 系统上的一个已知限制，由于序列化（pickling）机制的问题，目前无法直接修复。\n解决方案是：**不要在 `proc_params` 中使用 Lambda 表达式或函数指针**。请改用普通的命名函数来避免此错误。","https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F193",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},30455,"Lava 推荐的模块层级结构是怎样的？","为了简化导入路径并让用户更容易找到常用 API，建议的模块结构如下：\n1. **顶层暴露用户常用 API**：将用户实例化的元素（如神经元、连接、数据源等）放在顶层描述性模块中。\n2. **核心架构隔离**：将底层核心架构（编译器、运行时等）放入 `core` 模块。\n3. **分类明确**：\n   - `neurons`: 包含 lif, scif, sdn 等神经元类型。\n   - `connections`: 包含 conv, dense 等连接类型。\n   - `sources` \u002F `sinks`: 处理数据加载和监控。\n   - `learning`: 包含学习规则。\n这种结构避免了用户需要理解内部术语（如 'magma'），并能直观地通过目录名找到所需功能。","https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F508",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},30456,"如何避免在运行单元测试时出现进程过多或内存泄漏的问题？","如果在运行单元测试（如 `python -m unittest`）时遇到大量进程生成、共享内存文件丢失（FileNotFoundError: ... '\u002Fpsm_...'）或内存泄漏错误，这通常是因为之前的测试进程未正确清理导致的僵尸进程或残留共享内存。\n建议措施：\n1. 确保每次测试前后正确启动和停止 Runtime。\n2. 如果遇到此类错误，尝试手动清理系统中残留的共享内存文件或重启环境。\n3. 注意该问题可能与特定的多进程生成策略有关，需检查是否重复启动了 Runtime。","https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F71",{"id":139,"question_zh":140,"answer_zh":141,"source_url":132},30457,"Lava 项目中 'magma' 模块的作用是什么，用户需要直接使用它吗？","'magma' 模块主要包含 Lava 的核心架构组件（如编译器、构建器、通道等），这些通常是内部实现细节。\n对于普通用户来说，**不需要直接理解或使用 'magma'**。新的设计趋势是将用户常用的 API（如 Process、Neuron 类型）提升到更直观的顶层模块（如 `lava.neurons`, `lava.connections`），而将底层架构隐藏在 `lava.core` 中，以降低用户的学习成本。",{"id":143,"question_zh":144,"answer_zh":145,"source_url":127},30458,"如果在 Windows 上遇到因 Lambda 导致的报错，除了修改代码外还有其他办法吗？","目前没有针对该问题的代码级修复方案（Won't Fix）。唯一的解决办法是遵循最佳实践：**严禁在传递给 `proc_params` 的参数中使用 Lambda 函数**。请将逻辑封装在标准的命名函数中，以确保在 Windows 的多进程环境下能够被正确序列化。",[147,152,157,162,167,172,177,182,187,192,197,202],{"id":148,"version":149,"summary_zh":150,"released_at":151},214741,"v0.10.0","## 变更内容\n* 在运行时服务中处理异常，以便单元测试能够捕获它们，由 @weidel-p 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F813 中实现\n* 由 @dependabot 将 cryptography 从 41.0.4 升级至 41.0.6，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F816\n* LearningDense 实现位精确性，由 @gkarray 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F812 中完成\n* 由 @dependabot 将 fonttools 从 4.41.1 升级至 4.43.0，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F824\n* 由 @dependabot 将 gitpython 从 3.1.37 升级至 3.1.41，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F825\n* SigmaS4Delta 神经元模型和层，并添加单元测试，由 @smm-ncl 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F830 中实现\n* 由 @dependabot 将 pillow 从 10.0.1 升级至 10.2.0，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F832\n* [QUBO] 通过 spikeIO 进行解码输出，以支持多芯片架构，由 @phstratmann 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F820 中完成\n* 由 @dependabot 将 cryptography 从 41.0.6 升级至 42.0.0，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F834\n* 由 @dependabot 将 cryptography 从 42.0.0 升级至 42.0.2，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F836\n* 由 @dependabot 将 cryptography 从 42.0.2 升级至 42.0.4，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F837\n* Spiker 实现 32 位精度，由 @phstratmann 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F839 中完成\n* 提供 Injector\u002FExtractor 流程的替代方案，由 @gkarray 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F835 中实现\n* 修复工作流，由 @PhilippPlank 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F844 中完成\n* 由 @dependabot 将 pillow 从 10.2.0 升级至 10.3.0，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F847\n* 由 @dependabot 将 idna 从 3.6 升级至 3.7，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F848\n* CI：将 macOS 版本从 latest 更改为 macos-13，由 @PhilippPlank 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F853 中完成\n* ATRLIF 神经元模型，由 @jlubo 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F846 中实现\n* 在 src\u002Flava\u002Fproc\u002Fconv_in_time 中添加 conv_in_time 模型及流程，由 @zeyuliu1037 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F833 中完成\n* 由 @dependabot 将 jinja2 从 3.1.3 升级至 3.1.4，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F855\n* 由 @dependabot 将 requests 从 2.31.0 升级至 2.32.0，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F858\n* 由 @dependabot 将 tornado 从 6.4 升级至 6.4.1，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F863\n* 修复：refractory lif 的阈下动力学方程，由 @monkin77 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F842 中完成\n* 由 @dependabot 将 urllib3 从 2.2.1 升级至 2.2.2，见 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F865\n* Lava va，由 @epaxon 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F740 中实现\n* 添加纯 S4D，由 @smm-ncl 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F868 中完成\n* 更新 S4D，使其考虑输入信号的位精度，由 @smm-ncl 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F870 中完成\n* 将 demo 合并至 main 分支，由 @mgkwill 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F869 中完成\n* 启用手动分区功能，由 @PhilippPlank 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F876 中实现\n* Graded relu，由 @epaxon 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F860 中实现\n* 修复 Extractor 和 Injector 的异步模型，由 @bamsumit 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F 中完成","2024-08-08T04:53:01",{"id":153,"version":154,"summary_zh":155,"released_at":156},214742,"v0.9.0","# [Lava v0.9.0](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava) 发行说明\n2023年11月9日\n\n## 变更内容\n* 修复卷积 Python 模型在 `recv()` 之前调用 `send()` 的问题，由 @Gavinator98 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F751 中完成。\n* 添加对端口监控的支持，以观察端口是否被阻塞，由 @joyeshmishra 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F755 中实现。\n* 问题：#757 - 更新从源码安装的相关信息，由 @ahenkes1 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F758 中完成。\n* 修复 `DelayDense` 缓冲区问题，由 @bamsumit 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F767 中解决。\n* 允许将 `np.array` 作为稀疏层的输入权重，由 @SveaMeyer13 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F772 中实现。\n* 将 Tornado 从 6.3.2 升级到 6.3.3，由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F778 中完成。\n* 将 cryptography 从 41.0.2 升级到 41.0.3，由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F779 中完成。\n* 将 GitPython 从 3.1.32 升级到 3.1.35，由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F785 中完成。\n* 合并 Spike IO，由 @joyeshmishra 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F786 中完成。\n* CLP 教程 1 的一个小补丁，由 @elvinhajizada 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F773 中完成。\n* CLP 教程 02：COIL-100，由 @elvinhajizada 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F721 中完成。\n* 将 cryptography 从 41.0.3 升级到 41.0.4，由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F790 中完成。\n* 将注入器和提取器中的整数形状检查泛化为接受 NumPy 整数，由 @bamsumit 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F792 中完成。\n* 生产神经元，由 @epaxon 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F783 中完成。\n* Resfire，由 @epaxon 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F787 中完成。\n* Graded，由 @epaxon 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F734 中完成。\n* 将 Pillow 从 10.0.0 升级到 10.0.1，由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F794 中完成。\n* 将 urllib3 从 1.26.16 升级到 1.26.17，由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F793 中完成。\n* 将 GitPython 从 3.1.35 升级到 3.1.37，由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F795 中完成。\n* 折叠视图，由 @ymeng-git 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F774 中完成。\n* 在监视器日志中添加发送者和接收者信息，由 @joyeshmishra 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F796 中完成。\n* 将 urllib3 从 1.26.17 升级到 1.26.18，由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F800 中完成。\n* 更新 `process.py` 以修复拼写错误，由 @tim-shea 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F763 中完成。\n* 添加 BitCheck 流程，由 @mgkwill 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F802 中完成。\n* Lava 修复以支持大型卷积网络，由 @bamsumit 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F808 中完成。\n* 修复用于发布到 PyPI 的 Poetry 配置，由 @mgkwill 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F782 中完成。\n* 修改 Poetry 在 `cd.yml` 中上传到 PyPI 的方式，由 @mgkwill 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F810 中完成。\n\n## 新特性与改进\n\n- 在 `lava.proc.io.injector` 中新增了 `VarWire` 流程。其工作方式与 `Injector` 类似，但使用 `RefPorts`。\n- 添加了监视器，支持监控端口以观察其是否被阻塞。\n- 新增 `GradedVec` 流程，支持分级脉冲向量层，可传输累积","2023-11-15T05:37:57",{"id":158,"version":159,"summary_zh":160,"released_at":161},214743,"v0.8.0","## 变更内容\n* 由 @AlessandroPierro 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F675 中修复的 bug，支持监控别名变量\n* 由 @weidel-p 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F672 中启用稀疏进程\n* 由 @tim-shea 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F678 中更新 pyproject.toml 文件，添加与 PyPI 兼容的分类器\n* 由 @tim-shea 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F674 中新增 process.create_runtime 方法\n* 由 @weidel-p 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F679 中实现开发\u002F分级尖峰预跟踪\n* 由 @weidel-p 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F683 中修复了将稀疏权重截断为 0 导致形状错误的问题\n* 由 @PhilippPlank 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F693 中对 DelayDense\u002FSparse 进程进行小幅重构\n* 由 @PhilippPlank 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F696 中对稀疏模块进行小幅修改，以处理所有延迟为 0 的情况\n* 由 @mathisrichter 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F701 中生成 Codacy 覆盖率报告\n* 由 @mathisrichter 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F702 中上传 Codacy 覆盖率数据\n* 由 @mathisrichter 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F644 中修复了 pylint 错误\n* 由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F703 中将 requests 从 2.28.2 升级到 2.31.0\n* 由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F704 中将 tornado 从 6.3.1 升级到 6.3.2\n* 由 @ssgier 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F655 中实现 LIF 突触的浮点型不应期\n* 由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F708 中将 cryptography 从 40.0.2 升级到 41.0.0\n* 由 @srrisbud 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F714 中确保可执行文件在创建 ProcGroups 后明确包含 *所有* 进程的扁平列表\n* 由 @bamsumit 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F726 中实现迭代器回调函数\n* 由 @srrisbud 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F728 中提交了一个无实际更改的干净 PR\n* 由 @gkarray 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F686 中实现 IO 桥接进程\n* 由 @tim-shea 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F718 中修复了 create_runtime 单元测试\n* 由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F735 中将 cryptography 从 41.0.0 升级到 41.0.2\n* 由 @gkarray 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F736 中修复了 Injector\u002FExtractor 测试中的元组类型提示问题\n* 由 @elvinhajizada 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F707 中实现 CPU 后端中 CLP 的初始版本\n* 由 @mathisrichter 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F685 中将不带参数的方法重构为函数\n* 由 @hexu33 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F729 中修复了元组转列表的错误\n* 由 @tim-shea 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F739 中重新添加已弃用的 lava.utils.system 模块\n* 由 @PhilippPlank 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F732 中实现序列化功能\n* 由 @tim-shea 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F741 中修复了内部 vLab 的分区解析 bug\n* 由 @PhilippPlank 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F742 中添加了 linting 教程文件夹\n* 由 @bamsumit 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F743 中修复了迭代器回调函数签名问题\n* 修复了一个通过…的 bug","2023-07-25T07:12:17",{"id":163,"version":164,"summary_zh":165,"released_at":166},214744,"v0.7.0","## 变更内容\n* Dependabot 修复，由 @michaelbeale-IL 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F553 中完成\n* 在主机阶段添加变量端口轮询，以清空任何待处理的读取操作，由 @joyeshmishra 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F563 中完成\n* 将通道松弛参数暴露给用户界面，由 @mathisrichter 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F529 中完成\n* 使用全零权重初始化 Dense 层，由 @PhilippPlank 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F585 中完成\n* 带 AP 的 Lp，由 @ysingh7 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F587 中完成\n* 为 AsyncProcess 添加了 num_steps 参数，并增加了 GET\u002FSET Var 的功能……，由 @ysingh7 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F591 中完成\n* 实现了一个工厂函数，可将 PyLoihi 进程模型实时转换为 PyAsync 模型，由 @bamsumit 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F595 中完成\n* 向 rs_builder 添加编译配置，由 @joyeshmishra 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F608 中完成\n* 将 cryptography 从 39.0.0 升级到 39.0.1，由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F609 中完成\n* 将 ipython 从 8.8.0 升级到 8.10.0，由 @dependabot 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F617 中完成\n* 更新 runtime 和 process，使其成为“with”上下文管理器，由 @Gavinator98 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F605 中完成\n* 启用学习规则参数的获取与设置功能，由 @weidel-p 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F622 中完成\n* 为 Dense 连接添加突触延迟，由 @PhilippPlank 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F624 中完成\n* 在突触前追踪更新中引入分级尖峰负载——包括“浮点”和“位近似 Loihi”两种模式，由 @gkarray 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F607 中完成\n* 集成光栅图绘制功能，由 @ssgier 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F623 中完成\n* 清理许可证头信息，由 @mathisrichter 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F641 中完成\n* 修复 Async Process 的暂停功能，由 @ysingh7 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F646 中完成\n* 修复文件描述符泄漏问题，由 @ssgier 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F643 中完成\n* 修复将 gof 负载映射到多个端口对的问题，由 @ysingh7 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F657 中完成\n* 调整 LoihiPyRuntimeService 中推进阶段时的检查顺序，由 @gkarray 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F662 中完成\n* 修复自动追加 py_ports 和 var_ports 的问题，由 @tim-shea 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F669 中完成\n* 发布版本 0.6.1，由 @mgkwill 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F670 中完成\n\n## 新贡献者\n* @Gavinator98 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F605 中完成了首次贡献\n* @ssgier 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F623 中完成了首次贡献\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fcompare\u002Fv0.6.0...v0.7.0","2023-04-22T07:49:34",{"id":168,"version":169,"summary_zh":170,"released_at":171},214745,"v0.6.0","# [Lava v0.6.0](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava) 发行说明  \n2022年12月14日  \n\n## 新特性与改进  \n\n- 在 Loihi 2 和 Lava 模拟中，通过 LearningLIF 和 LearningLIFFloat 进程启用了二因子学习。([PR #528](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F528) & [PR #535](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F535))  \n- Resonate and Fire 以及 Resonate and Fire Izhikevich 神经元现已在 Lava 模拟中可用。([PR #378](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F378))  \n- Lava 中新增了关于 sigma-delta 网络的教程。([PR #470](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F470))  \n- 启用了 Loihi 2 的状态探针，并添加了一篇深入的教程（lava-loihi 扩展）。  \n\n## Bug 修复及其他变更  \n\n- 具有可变周期的 RF 神经元现已正常工作。([PR #487](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F487))  \n- 当因推送而启动了更新的 CI 流水线时，会自动取消较早的 PR CI 运行。([PR #488](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F488))  \n- 改进了学习 API、相关教程和测试，并修复了 Loihi STDP 实现中的一个错误。([PR #500](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F500))  \n- 将前置和后置钩子通用化并集成到运行时服务中。([PR #521](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F521))  \n- 改进了 RSTDP 学习教程。([PR #536](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F536))  \n\n## 破坏性变更  \n\n- 本次发布无破坏性变更。  \n\n## 已知问题  \n\n- 不支持使用 PyProcessModel 和 NcProcessModel 的 Process 之间进行直接通道连接。  \n- PyProcessModel 之间的通道通信速度较慢。  \n- 由于 CPython 实现中共享内存描述符的泄漏，Lava 网络在多次调用运行时会抛出错误。  \n- 虚拟端口仅支持在使用 PyProcModel 的 Process 之间，以及在使用 NcProcModel 的 Process 之间使用。当涉及带有 CProcModel 的 Process，或不同 ProcModel 类型的 Process 对时，虚拟端口不被支持。此外，VirtualPorts 目前尚不支持拼接操作。  \n- 不支持虚拟端口的合并与分叉。  \n- Monitor Process 仅支持对每个通过 PyProcessModel 实现的 Process 探测单个 Var。目前，可通过 StateProbes 在 Loihi 2 上探测状态（lava-loihi 扩展中提供相关教程）。  \n- 部分模块、类或函数缺少完善的文档字符串和类型注解。如遇此类情况，请在 GitHub 问题跟踪器中提交 issue。  \n\n## 感谢我们的贡献者  \n\n- Intel Labs Lava 开发团队  \n- @Michaeljurado42 在 https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F378 中做出了首次贡献  \n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fcompare\u002Fv0.5.1...v0.6.0","2022-12-14T23:46:38",{"id":173,"version":174,"summary_zh":175,"released_at":176},214746,"v0.5.1","# [Lava v0.5.1](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava) 发行说明\n2022年10月31日\n\n## 新特性与改进\n\n- Lava 现在支持使用 CPU 后端的 LIF 重置模型。([PR #415](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F415))\n- LAVA 现在支持三因子学习规则。本次发布引入了可塑性神经元的基础类，并区分了 `Loihi2FLearningRule` 和 `Loihi3FLearningRule`。([PR #400](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F400))\n- 新教程展示了如何在 Lava 中实现并使用三因子学习规则，以奖励调节的 STDP 为例。([PR #400](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F400))\n\n## Bug 修复及其他变更\n\n- 修复了 CProcess 和 NC Process 模型分支\u002F分叉时的网络编译错误。([PR #391](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F391))\n- 修复了一个 bug，支持单个进程模型中多个 CPorts 到 PyPorts 的连接。([PR #391](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F391))\n- 修复了学习引擎中 `uk` 条件语句的问题。([PR #400](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F400))\n- 修正了编译堆栈中子编译器的显式顺序：C 先、Nc 后的启发式方法。([PR #408](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F408))\n- 修复了 Connection ProcessModels 中与学习相关的代码里发现的 `np.logical_and` 和 `np.logical_or` 使用不当问题。([PR #412](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F412))\n- 修复了由于导入子进程模型类而导致的 Compiler 进程模型发现和选择中的警告。([PR #418](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F418))\n- 修复了 Compiler 根据运行配置中指定的标签选择正确 CProcessModel 的 bug。([PR #421](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F421))\n- 禁用了 systems.Loihi2 中覆盖用户设置的环境变量的功能。([PR #428](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F428))\n- 进程模型选择现在可以在 Jupyter Collab 环境中正常工作。[#435](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F435)\n- 添加了 MNIST 教程中下载数据集的说明。([PR #439](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F439))\n- 修复了运行配置中关于多次运行时预执行和后执行钩子初始化的 bug。([PR #440](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F440))\n- 为 Lava 性能分析器添加了接口，以便未来在不同硬件或芯片世代上实现。([PR #444](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F444))\n- 在 poetry 安装中将 PyTest 和 NBConvert 的依赖更新到较新版本。([PR #447](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F447))\n\n## 破坏性变更\n\n- 与 QUBO 相关的进程和进程模型现已迁移到 lava-optimization 仓库。([PR #449](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F449))\n\n## 已知问题\n\n- 不支持使用 PyProcessModel 和 NcProcessModel 的 Processes 之间的直接通道连接。\n- PyProcessModel 之间的通道通信速度较慢。\n- 如果运行调用过于频繁，Lava 网络会抛出错误。","2022-10-31T10:44:41",{"id":178,"version":179,"summary_zh":180,"released_at":181},214747,"v0.5.0","_Lava_ v0.5.0 的发布包含了对 Lava 深度学习（Lava-DL）和 Lava 优化（Lava-Optim）库的重大更新，并且是在 2022 年 7 月首次发布 Loihi 的 Lava 扩展之后，对核心 Lava 框架的首次更新。\n\n* Lava 在 CPU 上基于 Loihi 片上学习引擎提供了一个新的学习 API。此外，自上一版本以来，还修复了多项功能性和性能问题。\n* 几个高层次的应用教程，涵盖 QUBO（最大独立集）、深度学习（PilotNet、牛津拉德克利夫脉冲训练）、基于双因子 STDP 的学习，以及 E\u002FI 网络模型的设计；同时新增了一份全面的 API 参考文档，使得该版本对新用户和经验丰富的用户都更加友好易用。\n\n## 新特性与改进\n\n* 增加了对卷积神经网络的支持（lava-nc PR #344，lava-loihi PR #343）。\n  * 添加了 NcL2ModelConv ProcessModel，支持 Loihi 2 的卷积连接共享（lava-loihi PR #343）。\n  * 添加了 NcL1ModelConvAsSparse ProcessModel，支持将卷积连接实现为稀疏连接（兼容 Loihi 1 和 Loihi 2）。\n  * 增加了表示卷积推断连接的能力，以反映 Loihi 2 卷积突触之间的共享连接（lava-loihi PR #343）。\n  * 添加了卷积管理器，用于管理资源分配，以便利用 Loihi 2 的卷积特性（lava-loihi PR #343）。\n  * 添加了卷积连接策略，用于将卷积层划分到 Loihi 2 的神经核中（lava-loihi PR #343）。\n  * 增加了卷积脉冲生成的支持（lava-loihi PR #343）。\n  * 增加了卷积专用变分模型（ConvNeuronVarModel 和 ConvInVarModel），用于与 Loihi 2 配置的卷积神经元以及来自 C 进程的 Loihi 2 卷积输入进行交互。\n  * 添加了嵌入式 IO 进程和 C 模型，以桥接 Python 与 Loihi 2 进程之间的交互，包括以脉冲形式传递信息以及状态的读写操作，并特别增加了对卷积的支持。（lava-nc PR #344，lava-loihi PR #343）\n  * 增加了使用 Loihi 2 的嵌入式处理器从 Python 向 Loihi 2 进行压缩消息传递的支持（lava-nc PR #344，lava-loihi PR #343）。\n* 增加了 Loihi 2 之间资源共享的支持，以实现神经核中灵活的内存分配（lava-loihi PR #343）。\n* 增加了在 Loihi 2 神经核中共享轴突指令以生成输出脉冲的支持（lava-loihi PR #287）。\n  * 增加了根据 Loihi 学习引擎在仿真环境（CPU）中进行学习的支持（PR #332）：\n  * STDPLoihi 类是基于 Loihi 学习引擎添加到 Lava 进程库中的双因子 STDP 学习算法。\n  * LoihiLearningRule 类提供了基于 Loihi 学习引擎创建自定义学习规则的能力。\n  * 实现了一个 LearningDense 进程，它接受与 Dense 相同的参数，外加一个可选的 LearningRule 参数，以在其 Proce","2022-09-29T00:51:01",{"id":183,"version":184,"summary_zh":185,"released_at":186},214748,"v0.4.0","_Lava_ v0.4.0 的发布首次支持通过英特尔云端托管的 Oheo Gulch 和 Kapoho Point 系统，在 Loihi 2 上编译和运行模型。此外，新增的教程和文档详细介绍了如何为 CPU 和 Loihi 后端用 Python 或 C 语言编写 Lava 进程。\n\n尽管此次版本提供的高层级应用示例不多，但 Lava v0.4.0 对整个 Lava 架构进行了重大改进，为开源社区全面启用 Loihi 的各项功能奠定了基础，例如片上学习、卷积连接以及加速的脉冲 I\u002FO 等。Lava 编译器与运行时架构也得到了通用化设计，从而可以扩展到其他后端或神经形态处理器。后续版本将进一步提升编译器性能，提供更详尽的文档，并推出更多针对 Loihi 的高层级编程示例，涵盖跨多芯片的实际应用场景。\n\n公开的 Lava GitHub 仓库（https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava）继续提供在 CPU 后端上运行 Lava 应用所需的所有功能。同时，它现在还包含了用于支持英特尔 Loihi 的增强功能。要在 Loihi 上运行 Lava 应用程序，用户需要安装专有的 Loihi 扩展包。该扩展包包含与 Loihi 兼容的编译器和运行时功能，以及额外的教程。目前，该扩展以 tar 文件形式发布，未来将作为私有 GitHub 仓库提供。\n\n如果您在使用此版本时遇到任何问题，请通过以下方式帮助我们解决问题：针对公共代码在 [GitHub 上提交 issue](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues)，或针对 Loihi 扩展向团队发送 [工单](mailto:nrc_support@intel-research.net)。\n\n## 新特性与改进\n标有 * 的功能仅适用于面向 INRC 成员的 Loihi 2 扩展。\n- *扩展的进程库，包括新的 ProcessModel 及其他改进：\n  - LIF、Sigma-Delta 和 Dense 进程可在 Loihi 神经核心上执行。\n  - 新增卷积进程原型。\n  - 通过可使用 C 语言编程的嵌入式进程，在神经核心之间发送和接收脉冲，并附带示例。\n  - 所有 Lava 进程现在都明确列出所有构造函数参数，并添加类型注解。\n- *新增高层级 API，用于开发利用 Loihi 2 特性的自定义 ProcessModel：\n  - 可通过 Python 为 Loihi 神经核心分配轴突、突触或神经元等神经网络资源进行编程。特别是，Loihi 2 神经核心的神经元可通过编写高度灵活的汇编程序来配置。\n  - Loihi 嵌入式处理器可使用 C 语言编程。但与之前的 NxSDK 不同，不再需要了解底层寄存器细节。相反，C API 镜像了高层级的 Python API，以便通过通道与其他进程交互。\n- Loihi 2 的编译器与运行时支持：\n  - 对编译器和运行时架构进行了全面重新设计，以支持编译","2022-07-13T17:46:55",{"id":188,"version":189,"summary_zh":190,"released_at":191},214749,"v0.3.0","_Lava_ 0.3.0 包含错误修复、文档更新、错误处理改进、Lava 运行时重构，以及对 sigma-delta 神经元编码和解码的支持。\n\n## 新特性与改进\n- 添加了 sigma-delta 神经元编码和解码支持（[PR #180](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F180)、[Issue #179](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F179)）\n- 实现了 ReadVar 和 ResetVar IO 进程（[PR #156](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F156)、[Issue #155](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F155)）\n- 增加了运行时对 ProcessModel 中发生的异常的处理功能，且运行时现在会返回异常堆栈跟踪（[PR #135](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F135)、[Issue #83](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F83)）\n- 现在支持用于重塑和转置（排列）的虚拟端口。（[PR #187](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F187)、[Issue #185](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F185)、[PR #195](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F195)、[Issue #194](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F194)）\n- 在进程库中新增了一种三值 LIF 神经元模型。该新变体支持正负阈值，可用于处理有符号信号（[PR #151](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F151)、[Issue #150](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F150)）\n- 重构了运行时，以减少通信所使用的通道数量（[PR #157](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F157)、[Issue #86](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F86)）\n- 将运行时重构为状态机模型，并将 ProcessModel 重构为使用命令设计模式，实现了 PAUSE 和 RUN CONTINUOUS 功能（[PR #180](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F171)、[Issue #86](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F86)、[Issue #52](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F53)）\n- 将构建器重构到独立的包中（[PR #170](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F170)、[Issue #169](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F169)）\n- 重构了 PyPorts 实现，以修复 PyPort 层次结构不完整的问题（[PR #131](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F131)、[Issue #84](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F84)）\n- 对 MNIST 教程进行了改进（[PR #147](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F147)、[Issue #146](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F146)）\n- 新的 Pull Request 和 Issue 现已采用标准化模板（[PR #140](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F140)）\n- 增加了对可编辑安装的支持（[PR #93](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F93)、[Issue #19](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F19)）\n- 改进了运行时文档（[PR #167](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F167)）\n\n## 错误修复及其他更改\n\n- 修复了多个与 Monitor 相关的问题（[PR #128](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F128)、[Issue #103](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F103)、[Issue #104](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F104)、[Issue #116](https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fissues\u002F11","2022-03-09T16:37:42",{"id":193,"version":194,"summary_zh":195,"released_at":196},214750,"v0.2.0","Lava 0.2.0 包含对 Lava 运行时的多项改进。其中一项通过在 CPU 上将底层消息传递框架的性能提升超过 10 倍。我们还为 LIF 和 DENSE 进程添加了新的浮点和 Loihi 定点 PyProcessModel，并引入了一个新的 CONV 进程。此外，Lava 现在支持通过 RefPort 在进程之间进行远程内存访问，从而使进程能够重新配置其他进程。最后，我们新增或更新了若干教程，以涵盖所有这些新特性。\n\n## 特性与改进\n\n* 重构了运行时和 RuntimeService，将 MessagePassingBackend 从运行时和 RuntimeService 中分离出来，形成一个独立的模块。这将有助于实现并比较基于通道通信的其他实现方案的性能，同时也能实现真正的多节点扩展，超越 Python multiprocessing 模块的能力（PR #29）。\n* 通过移除运行时和 RuntimeService 中的忙等待，提升了执行性能（Issue #36 和 PR #87）。\n* 启用了编译器和运行时对 RefPort 的支持，从而允许 Lava 进程之间进行远程内存访问，使一个进程能够在运行时重新配置另一个进程。需要注意的是，远程内存访问基于通道式消息传递，可能会产生副作用，因此应谨慎使用。有关 RefPort 的使用方法，请参阅“远程内存访问”教程（Issue #43 和 PR #46）。\n* 实现了一个 Monitor 进程的初步原型。Monitor 提供了一个用户界面，用于探测其他进程的 Var 和 OutPort，并将其随时间的变化记录为时间序列，以便后续处理。当前的 Monitor 原型存在局限性，即每个进程只能探测一个 Var 或 OutPort。（Issue #74 和 PR #80）。这一限制将在下一版本中得到解决。\n* 为 LIF 以及 DENSE 和 CONV 等连接进程添加了浮点和 Loihi 定点 PyProcessModel。更多详情请参见 Issue #40。\n* 新增了一篇关于进程连接的深度教程（PR #105）。\n* 新增了一篇关于远程内存访问的深度教程（PR #99）。\n* 新增了一篇关于层次化进程和 SubProcessModel 的深度教程（）。\n\n## 错误修复及其他变更\n* 修复了 Var 的 get\u002Fset 方法中的一个错误，使其能够正确地获取和设置浮点数值（Issue #44）。\n* 修正了安装说明中关于设置 PYTHONPATH 的部分（Issue #45）。\n* 修复了文档中的代码示例（Issue #62）。\n* 补齐并添加了缺失的许可证信息（Issue #41 和 Issue #63）。\n* 为 In-\u002FOutPort 的合并与分支操作添加了单元测试（PR #106）。\n\n## 已知问题\n* 尚不支持 Intel Loihi。\n* 使用 Python multiprocessing 实现的基于 CSP 通道的进程间通信性能已显著提升，提高了 30 倍以上。然而，为了进一步降低软件层面实现 CSP 通道时的进程间通信开销，并更接近无 CSP 通道开销的原生执行速度，仍需继续优化。\n* 错误来自","2021-11-29T15:18:42",{"id":198,"version":199,"summary_zh":200,"released_at":201},214751,"v0.1.1","Minor release, mostly typo fixes and license updates.\r\n### Notes\r\n* Source directory has moved from `lava` to `src\u002Flava`\r\n\r\n## What's Changed\r\n* Fix mnist.ipynb by @mgkwill in https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F6\r\n* Add missing coverage to build-reqs by @mgkwill in https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F7\r\n* Removed Intel Confidential header by @mathisrichter in https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F8\r\n* Fixed typos in the tutorials by @ashishrao7 in https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F14\r\n* Added @ tags decorator to tag ProcessModels and distinguish them by @srrisbud in https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F22\r\n* Added basic forking\u002Fjoining ports by @jlakness-intel in https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F27\r\n* Fix Packaging Bug by @mgkwill in https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F30\r\n\r\n## New Contributors\r\n* @ashishrao7 made their first contribution in https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F14\r\n* @srrisbud made their first contribution in https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F22\r\n* @jlakness-intel made their first contribution in https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fpull\u002F27\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Flava-nc\u002Flava\u002Fcompare\u002Fv0.1.0...v0.1.1","2021-11-12T20:43:52",{"id":203,"version":204,"summary_zh":205,"released_at":206},214752,"v0.1.0","# Release 0.1.0\r\n\r\nThis first release of Lava introduces its high-level, hardware-agnostic API for developing algorithms of distributed, parallel, and asynchronous processes that communicate with each other via message-passing over channels with each other. The API is released together with the Lava compiler and runtime which together form the Magma layer of the Lava software framework. \r\n\r\nOur initial version of Magma allows you to familiarize yourself with the Lava user interface and to build first algorithms in Python that can be executed on CPU without requiring access to physical or cloud based Loihi resources.\r\n\r\n# New Features and Improvements\r\n\r\n* New Lava API to build networks of interacting Lava processes \r\n* New Lava Compiler to map Lava processes to executable Python code for CPU execution (support for Intel Loihi will follow)\r\n* New Lava Runtime to execute Lave processes\r\n* A range of fundamental tutorials illustrating the basic concepts of Lava\r\n\r\n# Bug Fixes and Other Changes\r\n\r\n* This is the first release of Lava. No bug fixes or other changes\r\n\r\n# Thanks to our Contributors\r\n\r\n@GaboFGuerra, @joyeshmishra, @PhilippPlank, @drager-intel, @mathisrichter, @srrisbud, @ysingh7, @phstratmann, @mgkwill, @awintel \r\n  \r\n# Breaking Changes\r\n\r\n* This is the first release of Lava. No breaking or other changes. \r\n\r\n# Known Issues\r\n\r\n* No support for Intel Loihi yet\r\n* Multiprocessing and channel-based communication not very performant yet\r\n* Virtual ports for reshaping and concatenation are not supported yet\r\n* No support for direct memory access via RefPorts yet\r\n* Connectivity from one to many or from many to one port not supported yet\r\n* No support for live state monitoring yet\r\n* Still limited API documentation","2021-10-27T06:47:17"]