最简单的做法: 转自: https://blog.csdn.net/feynman233/article/details/79187304, 版权归原作者所有。 print(np.sum([np.prod(v.get_shape().as_list()) for v in tf.trainable_variables()])) 另有篇博客讲解的很详细:原文地址https://blog.csdn

DAC 2021 背景 通过ANN2SNN的方法得到的SNN中，存在准确性和延迟之间的一种权衡关系，在较大的数据集（如ImageNet）上可能会有较高的延迟。 主要贡献 分析了转换后SNN精度与延迟之间存在权衡关系的原因，并指出了如何缓解这种权衡关系；提出TCL(trainable clipping layer)技术改善权衡关系，TCL的剪裁区域是被训练过的，跟着ReLU层，可以找到精度