القائمة
SNN-MLIR编译方法论 — MLIR方言用于将神经形态SNN从NIR编译到裸机C代码。支持浮点和量化数据，自动重缩放操作，生成依赖-free C11代码。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
استنادا إلى تصنيف SOC المهني
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/hiyenwong/ai_collection --skill snn-mlir-neuromorphic-compilationيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
Graph-native Python reimplementation of the Information Dynamics of Music (IDyOM) model that represents predictive memories as explicit graph objects for musical expectation modeling and network analysis.
Physics-aware end-to-end deep reinforcement learning methodology for quadcopter control with actuator dynamics modeling.
Reinforced Dreamer methodology for asymmetric reinforcement learning using latent guidance to improve world model representations and behaviors in model-based RL.
| name | snn-mlir-neuromorphic-compilation |
| description | SNN-MLIR编译方法论 — MLIR方言用于将神经形态SNN从NIR编译到裸机C代码。支持浮点和量化数据，自动重缩放操作，生成依赖-free C11代码。 |
| platforms | ["linux","macos","windows"] |
| tags | ["snn","neuromorphic","compiler","mlir","nir","quantization"] |
论文: SNN-MLIR: An MLIR Dialect for Compiling Neuromorphic SNNs from NIR to Bare-Metal C (arXiv:2606.09213v1) 作者: Alejandro García Gener, Alvaro Rollón de Pinedo 发布: 2026-06-08
NIR文件 → Python前端 → SNN-MLIR IR → Lowering Pass → linalg/arith → C11代码 → CPU/嵌入式
# 从NIR文件生成MLIR IR
import nir
import snn_mlir
# 加载NIR模型
model = nir.read("model.nir")
# 自动插入重缩放操作
mlir_ir = snn_mlir.from_nir(model, quantize=True)
# 编译到C代码
c_code = snn_mlir.compile(mlir_ir, target="c11")
Apache-2.0 license with LLVM-exception GitHub: https://github.com/[repository]
关键词: snn-mlir, mlir dialect, neuromorphic compilation, nir, quantization, embedded deployment, c11 code generation