Question

我正在尝试用这些标准创建一种新的神经网络：

每个神经元必须是一个单独的对象。
每个神经元都应该有自己的线程。
网络必须部分随机连接（启动时）。
神经元必须异步运行以计算其输出，更新其权重等。

这些是我在Julia和Python中的实现尝试：

的Python

import random
import itertools
import time
import signal
from threading import Thread
from multiprocessing import Pool
import multiprocessing

POTENTIAL_RANGE = 110000 # Resting potential: -70 mV Membrane potential range: +40 mV to -70 mV --- Difference: 110 mV = 110000 microVolt --- https://en.wikipedia.org/wiki/Membrane_potential
ACTION_POTENTIAL = 15000 # Resting potential: -70 mV Action potential: -55 mV --- Difference: 15mV = 15000 microVolt --- https://faculty.washington.edu/chudler/ap.html
AVERAGE_SYNAPSES_PER_NEURON = 8200 # The average number of synapses per neuron: 8,200 --- http://www.ncbi.nlm.nih.gov/pubmed/2778101

# https://en.wikipedia.org/wiki/Neuron

class Neuron():

    neurons = []

    def __init__(self):
        self.connections = {}
        self.potential = 0.0
        self.error = 0.0
        #self.create_connections()
        #self.create_axon_terminals()
        Neuron.neurons.append(self)
        self.thread = Thread(target = self.activate)
        #self.thread.start()
        #self.process = multiprocessing.Process(target=self.activate)

    def fully_connect(self):
        for neuron in Neuron.neurons[len(self.connections):]:
            if id(neuron) != id(self):
                self.connections[id(neuron)] = round(random.uniform(0.1, 1.0), 2)

    def partially_connect(self):
        if len(self.connections) == 0:
            neuron_count = len(Neuron.neurons)
            for neuron in Neuron.neurons[len(self.connections):]:
                if id(neuron) != id(self):
                    if random.randint(1,neuron_count/100) == 1:
                        self.connections[id(neuron)] = round(random.uniform(0.1, 1.0), 2)
            print "Neuron ID: " + str(id(self))
            print "    Potential: " + str(self.potential)
            print "    Error: " + str(self.error)
            print "    Connections: " + str(len(self.connections))

    def activate(self):
        while True:
            '''
            for dendritic_spine in self.connections:
                if dendritic_spine.axon_terminal is not None:
                    dendritic_spine.potential = dendritic_spine.axon_terminal.potential
                    print dendritic_spine.potential
                self.neuron_potential += dendritic_spine.potential * dendritic_spine.excitement
            terminal_potential = self.neuron_potential / len(self.axon_terminals)
            for axon_terminal in self.axon_terminals:
                axon_terminal.potential = terminal_potential
            '''
            #if len(self.connections) == 0:
            #   self.partially_connect()
            #else:
            self.partially_connect()
            pass

            '''
            if abs(len(Neuron.neurons) - len(self.connections) + 1) > 0:
                self.create_connections()

            if abs(len(Neuron.neurons) - len(self.axon_terminals) + 1) > 0:
                self.create_axon_terminals()
            '''

class Supercluster():

    def __init__(self,size):
        for i in range(size):
            Neuron()
        print str(size) + " neurons created."
        self.n = 0
        self.build_connections()
        #pool = Pool(4, self.init_worker)
        #pool.apply_async(self.build_connections(), arguments)
        #map(lambda x: x.partially_connect(),Neuron.neurons)
        #map(lambda x: x.create_connections(),Neuron.neurons)
        #map(lambda x: x.create_axon_terminals(),Neuron.neurons)

    def build_connections(self):
        for neuron in Neuron.neurons:
            self.n += 1
            #neuron.thread.start()
            neuron.partially_connect()
            print "Counter: " + str(self.n)

Supercluster(10000)

朱莉娅

global neurons = []

type Neuron
    connections::Dict{UInt64,Float16}
    potential::Float16
    error::Float16

    function Neuron(arg1,arg2,arg3)
        self = new(arg1,arg2,arg3)
        push!(neurons, self)
    end

end

function fully_connect(self)
    for neuron in neurons
        if object_id(neuron) != object_id(self)
            self.connections[object_id(neuron)] = rand(1:100)/100
            #push!(self.connections, rand(1:100)/100)
        end
    end
end

function partially_connect(self)
    if isempty(self.connections)
        neuron_count = length(neurons)
        for neuron in neurons
            if object_id(neuron) != object_id(self)
                if rand(1:neuron_count/100) == 1
                    self.connections[object_id(neuron)] = rand(1:100)/100
                    #push!(self.connections, rand(1:100)/100)
                end
            end
        end
        println("Neuron ID: ",object_id(self))
        println("    Potential: ",self.potential)
        println("    Error: ",self.error)
        println("    Connections: ",length(self.connections))
    end
end

function Build()
    for i = 1:10000
        Neuron(Dict(),0.0,0.0)
    end
    println(length(neurons), " neurons created.")
    n = 0
    @parallel for neuron in neurons
        n += 1
        partially_connect(neuron)
        println("Counter: ",n)
    end
end

Build()

首先，这些部分正在部分和随机地在每个神经元之间建立连接，花费太多时间。 如何加快此流程/部分？

的Python

def build_connections(self):
    for neuron in Neuron.neurons:
        self.n += 1
        #neuron.thread.start()
        neuron.partially_connect()
        print "Counter: " + str(self.n)

朱莉娅

n = 0
@parallel for neuron in neurons
    n += 1
    partially_connect(neuron)
    println("Counter: ",n)

其次，当我的目标是创造至少一百万个神经元时，给每个神经元，它自己的线程 是个好主意吗？这意味着它会像一个百万线程。

我在这里要做的是严格意义上的模仿生物神经网络，而不是使用矩阵计算。

此外：

新版partially_connect功能根据回答：

def partially_connect(self):
    if len(self.connections) == 0:
        neuron_count = len(Neuron.neurons)
        #for neuron in Neuron.neurons:
        elected = random.sample(Neuron.neurons,100)
        for neuron in elected:
            if id(neuron) != id(self):
                #if random.randint(1,neuron_count/100) == 1:
                self.connections[id(neuron)] = round(random.uniform(0.1, 1.0), 2)
        print "Neuron ID: " + str(id(self))
        print "    Potential: " + str(self.potential)
        print "    Error: " + str(self.error)
        print "    Connections: " + str(len(self.connections))

性能急剧提升。

Answer 1

在Julia中，如果性能很重要：不要使用全局变量（请参阅neurons数组）并且不要使用无类型数组（再次参见neurons数组）。请参阅performance tips。您还应该剖析以确定瓶颈所在。我强烈建议您在没有@parallel的情况下进行尝试，直到您能够快速完成。

我自己看了看，除此之外我发现了一些令人惊讶的瓶颈：

rand(1:neuron_count/100)创建一个浮点范围，而不是整数范围。这是一个巨大的瓶颈，可以立即识别出分析。使用rand(1:neuron_count÷100)。
最好不要拨打object_id，只需使用!(neuron === self)。或者甚至更好，将neurons作为数组和要修改的条目的整数索引传递。

修复这些项目，我设法获得程序的执行时间（在删除@parallel之后，这不太可能有用，并在文本显示中注释掉）从大约140秒到4秒几乎所有的运行时都只是用于生成随机数;您可以通过一次生成一个大型池来加速它，而不是逐个生成它们。

这使用ProgressMeter包（您必须安装）来显示进度。

using ProgressMeter

type Neuron
    connections::Dict{UInt64,Float16}
    potential::Float16
    error::Float16
end

function fully_connect(self, neurons)
    for neuron in neurons
        if object_id(neuron) != object_id(self)
            self.connections[object_id(neuron)] = rand(1:100)/100
            #push!(self.connections, rand(1:100)/100)
        end
    end
end

function partially_connect(self, neurons)
    if isempty(self.connections)
        neuron_count = length(neurons)
        for neuron in neurons
            if !(neuron === self)
                if rand(1:neuron_count÷100) == 1
                    self.connections[object_id(neuron)] = rand(1:100)/100
                    #push!(self.connections, rand(1:100)/100)
                end
            end
        end
#         println("Neuron ID: ",object_id(self))
#         println("    Potential: ",self.potential)
#         println("    Error: ",self.error)
#         println("    Connections: ",length(self.connections))
    end
end

function Build()
    neurons = [Neuron(Dict(),0.0,0.0) for i = 1:10000]
    println(length(neurons), " neurons created.")
    @showprogress 1 "Connecting neurons..." for neuron in neurons
        partially_connect(neuron, neurons)
    end
    neurons
end

neurons = Build()

Answer 2

只看这段代码：

def partially_connect(self):
    if len(self.connections) == 0:
        neuron_count = len(Neuron.neurons)
        for neuron in Neuron.neurons[len(self.connections):]:
            if id(neuron) != id(self):
                if random.randint(1,neuron_count/100) == 1:
                    self.connections[id(neuron)] = round(random.uniform(0.1, 1.0), 2)

根据你对我对OP的评论的回复，这里有几件事：

使用L[0:]等语法时，您正在复制列表。切片语法为每个函数调用生成Neuron.neurons数组的浅表副本。这是 O（n）操作，因为您为partially_connect函数中的每个神经元调用build_connections一次，这使得 O（n²）。（糟糕！）
你正在用Python工作，可以而且应该在库中完成（在C中，我们希望！）。看看例如random.paretovariate()和random.sample()函数。您可以轻松计算num_connections = random.paretovariate(1.0) * 100，然后说connected_nodes = random.sample(neurons, num_connections)。从self过滤掉connected_nodes，您就完成了。

我认为通过消除n²行为和使用内置库例程，可以大大提升性能。

<强> ADDITION

回应您的补充，请考虑以下事项：

def partially_connect(self):
    if len(self.connections) == 0:
        elected = random.sample(Neuron.neurons,100)
        try:
            elected.remove(self)
        except ValueError:
            pass

        for neuron in elected:
            self.connections[id(neuron)] = round(random.uniform(0.1, 1.0), 2)

（我现在忽略了打印件。）

我不知道如何在不迭代所有寻找id()值匹配的神经元的情况下从神经元传递到其连接的神经元。我建议您将连接对象的引用存储为键，并使用权重作为值：

self.connections = [n:round(random.uniform(0.1, 1.0), 2) for n in elected]

这假设您需要遍历从源到目标的链接。

至于线程解决方案，我没有一个好的建议。一个小小的谷歌搜索引导我到一些旧的电子邮件线程（嘿！）提到像405和254这样的数字作为线程创建限制。我还没有看到任何文档说“Python线程现在无法使用！”或者其他什么，所以我怀疑你将不得不改变你实施解决方案的方式。

创建大量对象（神经元）并使用词典随机连接

2 个答案: