监视器

监视器主要的作用是监控网络运行过程中各类变量的变化过程，在SPAIC中，我们内置了两种形式的监视器，分别是 StateMonitor 与 SpikeMonitor 。

StateMonitor 与 SpikeMonitor 的建立方式相同， StateMonitor 是神经元及网络连接等的一般状态量的监视，而 SpikeMonitor 是针对脉冲发放频率的监视：

self.mon_V = spaic.StateMonitor(self.layer1, 'V')
self.mon_O = spaic.StateMonitor(self.input, 'O')
self.spk_O = spaic.SpikeMonitor(self.layer1, 'O')

在监视器初始化中，我们可以指定如下参数：

  • target – 需要监视的对象，对于StateMonitor可以是NeuronGroup、Connection等任何包含变量的网络模块，对于SpikeMonitor一般是NeuronGroup、Encoder等具有脉冲发放的模块

  • var_name – 需要监视的变量名，需要是监视对象具有的变量，比如神经元的膜电压 ‘V’

  • index – 检测变量的索引值，例如一层神经集群中选择某几个神经元进行记录，可以使用 index=[1,3,4,…]，默认为整个变量全部记录

  • dt – 监视器的采样时间间隔，默认与仿真步长相同

  • get_grad – 是否需要记录梯度，True为需要梯度，False为不需要，默认为False

  • nbatch – 是否需要记录多个Batch的数据，True则会保存多次run的数据，False则每次run覆盖数据，默认为False

在:code:`StateMonitor`和:code:`SpikeMonitor`两种监视器中具有如下通用的函数接口： - monitor_on – 将监视器设置为开启记录状态。监视器创建后默认是开启状态。 - monitor_off – 将监视器设置为关闭记录状态。 - clear – 清除监视器当前记录的所有数据。

这两个监视器的区别在于，StateMonitor 中存储了五个数据：

  • nbatch_times – 将会存储所有批次的时间步信息，数据的shape结构为(第几批次，第几个时间步)

  • nbatch_values – 将会存储所有批次的目标层的监视参数的情况，数据的shape结构为(第几批次，第几个神经元，第几个时间步，batch中的第几个样本)

  • times – 将会存储当前批次的时间步信息，数据的shape结构为(第几个时间步)

  • values – 将会存储当前批次的目标层的监视参数的变量，数据的shape结构为(本batch中第几个样本，第几个神经元，第几个时间步)

  • tensor_values – 将会存储当前批次的目标层的监视的原Tensor变量，数据的shape结构为(本batch中第几个样本，第几个神经元，第几个时间步)

  • grad – 将会存储当前批次的目标变量的梯度情况，数据的shape与values的shape结构相同

而 SpikeMonitor 中存储着另外四个数据：

  • spk_index – 存储着当前批次脉冲发放的神经元的编号

  • spk_times – 存储着当前批次脉冲发放的时刻信息

  • time – 存储着当前批次的时间步的信息

  • time_spk_rate – 存储着当前批次的目标层的瞬时发放频率

  • spk_rate – 储存当前批次的目标层的平均发放率

  • spk_count – 储存当前批次的目标层每个神经元的脉冲个数，数据结构为(本batch中第几个样本，第几个神经元）

使用示例:

time_line = Net.mon_V.times  # 取layer1层时间窗的坐标序号
value_line = Net.mon_V.values[0][0]  # 取本batch中layer1层第一个样本的第一个神经元的整个时间窗内的电压变化数据
input_line = Net.mon_O.values[0][0]  # 取本batch中input层第一个样本的第一个神经元的整个时间窗内的脉冲发放情况

# 由于初始化时nbatch为False，默认只有单个批次
output_line_index = Net.spk_O.spk_index[0] + 1.2  # 取本batch中第一个样本的脉冲发放的index信息，由于只有单个神经元，增加数值1.2调整脉冲点的位置
output_line_time = Net.spk_O.spk_times[0]  # 取本batch中第一个样本的脉冲发放的时刻信息

plt.subplot(2, 1, 1)
plt.title('Monitor Example Appearance')
plt.plot(time_line, value_line, label='V')
plt.scatter(output_line_time, output_line_index, s=40, c='r', label='Spike')

plt.ylabel("Membrane potential")
plt.ylim((-0.1, 1.5))
plt.legend()
plt.subplot(2, 1, 2)
plt.plot(time_line, input_line, label='input spike')
plt.xlabel("time")
plt.ylabel("Current")
plt.legend()

最后的结果如图所示:

_images/monitor_VO_Appearance.png