SpikingJelly 现已加入 GitLink 编程夏令营（GLCC）

[ridgerchu]

GitLink编程夏令营（GLCC），是在CCF中国计算机学会指导下，由CCF开源发展委员会（CCF ODC）举办的面向全国高校学生的暑期编程活动。入围夏令营的同学们将获得现金支持、实习机会和开源大礼包等。
SpikingJelly项目将参与本次GLCC，可以点击这里进入查看详情。因目前项目仍未正式发布，所有可选项目更新均在新链接的issue（疑修）中。学生报名将于5月26日开启，欢迎参与🎉～

[fangwei123456]

下一个版本在 fuse_ms，开发以次分支为基础，而不是目前的master分支

[fangwei123456]

https://spikingjelly.readthedocs.io/zh_CN/fuse_ms/activation_based/migrate_from_legency.html

https://spikingjelly.readthedocs.io/zh_CN/fuse_ms/activation_based/basic_concept.html

[fangwei123456]

我看到GitLink那边目前是这3个issue，有点太简单了：

我建议改成下面3个：

1. 所有神经元的单步/多步CuPy内核的实现，并且增加v_rest。在目前的版本中是将v_reset作为v_rest，有必要对两者进行区分了。

2. LAVA框架适配。LAVA是intel新推出的框架，未来将支持在loihi 1/2上进行推理。若想将GPU上训练的网络迁移到神经形态芯片，则SJ框架需要通过适配LAVA框架来完成。

3. GPU计算加速。目前考虑可能的路线有两条，一条是利用脉冲的稀疏特性，使用稀疏卷积和稀疏矩阵乘法进行加速。在SJ的早期探索过稀疏矩阵乘法，但是发现只有在稀疏度极高的情况下才能加速。稀疏卷积还没有尝试过。另一条技术路线是利用 https://github.com/NVIDIA/cutlass 开发新的算子，实现混合精度计算加速。这里的混合精度不是AMP那种混合精度，而是使用fp32/fp16@int8/int4/int1的混合计算，例如fp16的weight和int1的脉冲进行卷积计算。

[fangwei123456]

这3个的难度递增，1是偏工程的，没什么难度但工程量大。3是最难的

[ridgerchu]

我们正在修改项目内容，将修改为如上三个项目。