NeuroFlex: Lossless Element-Level ANN-SNN Co-Execution for Efficient Sparse Inference

原文：arXiv:2511.05215 · Manjunath et al., 2025

摘要： 稀疏 DNN 加速器要么专做 ANN 执行、要么专做 SNN 执行，当负载特征在一层之内发生变化时，就会在能耗或延迟上留下浪费。在 layer 或 tile 粒度上切换模式的混合加速器，则受困于 PE 利用率低，因为一种 core 工作时另一种只能空闲。NeuroFlex 是第一个能在零精度损失下、把每个输出元素独立分配到 ANN 或 SNN 执行模式的加速器。我们把 integer-exact 的 ANN-SNN 等价性从 layer 扩展到单个输出元素，从而使模式切换不引入任何转换误差。一个离线的 cost-guided scheduler 按每个元素的边际 energy-delay 权衡给它打分，并把任务打包分配到各个 PE 上，PE 利用率达到 97-99%，而 layer-wise 的混合方案只有 40-45%。相比一个强 ANN-only baseline，NeuroFlex 把 EDP 降低了 57-67%；相比 dual-sparse 的 SNN-only baseline，最高加速 2.5×。在视觉、语言和 transformer 负载上，我们的 cost-guided scheduler 相比随机的元素分配，把吞吐提升了 16-19%。

1. Intro

稀疏加速器中，dual sparsity（weight 和 activation 两侧都跳零，只算两边都非零的 operand 对）已经做了很多，代表是 SparTen、Gamma 这一批。SNN 侧也有 LoAS 这样的 dual-sparse 加速器。作者的出发点是两边各有短板：ANN 的 MAC 快但功耗高；SNN 的 AC 省能量，但一个 activation 要在 $T$ 个 timestep 上串行累加出来，延迟随 $T$ 增长。文章最主要的观察是 Fig.1。VGG-16 的 conv3_3 经过 im2col 变成 $3136\times256$ 的 GEMM。在 63% 的 activation 稀疏度和 80% 的全局 weight 剪枝下，作者统计了每个输出元素 $(i,j)$ 在 bitmap inner-join 之后剩下的有效 operand 对数（后面记作 $r_{i,j}$ ）。这个数在层内能差好几倍，沿空间和 channel 两个方向都有结构，一个 $16\times16$ 的 tile 里同时有工作量大和小的元素。

作者据此认为 match 多的元素适合 ANN，match 少的适合 SNN。现有的混合加速器只能按 layer（NEBULA、EPHA）或者按 tile（C-DNN、C-Transformer）选模式。layer level 切换时总有一种 core 闲着，tile 内部的差异也利用不到。C-DNN 用的转换还是有损的，送去 SNN 的部分要掉精度。

之前没人做到 elementwise，作者给的理由是 ANN-SNN 转换一直是近似的，layer 级还能靠大量神经元把误差平均掉，单个元素没有这个余地。同组去年的 PASCA 证明了 QCFS 激活的 ANN 和转换后的 SNN 在整数运算下严格等价。证明只依赖每个输出元素自己的局部整数运算，所以等价性对单个元素也成立，层内混用两种模式不会掉精度。

Contribution：

把 PASCAL 的 integer-exact 等价性扩展到单个输出元素；
离线的 cost-guided scheduler，用模拟退火给每个元素选 core，最小化 EDP；
NeuroFlex 架构，ANN/SNN 两种 core 共享存储层级，在元素粒度上同时执行；
在 CNN、Transformer、LLM 上的评估。

2.1. ANN-SNN Conversion

QCFS 激活：

$\hat h(z^l)=\lambda^l,\mathrm{clip}!\left(\frac1L\left\lfloor\frac{z^lL}{\lambda^l}+\frac12\right\rfloor,0,1\right)$ $L$ 是量化级数， $\lambda^l$ 是可训练的阈值。PASCAL 的神经元分三个阶段，阈值 $\theta=\lambda^l/L$ ，初始膜电位 $\theta/2$ ：

Phase 1（ $t=0,\dots,L-1$ ）：正常的 IF，接收输入、soft reset，记录发放总量 $C_1$ ；
Phase 2（ $t=L,\dots,2L-2$ ）：不再有输入，膜电位高于 $\theta$ 发正脉冲，低于 0 发负脉冲，净值记为 $C_2$ ；
Phase 3（ $t=2L-1,\dots,3L-2$ ）：把膜电位置为 $C_1+C_2$ ，再用 IF 发放出去，作为下一层的输入。一共 $3L-1$ 步，输出的脉冲数和 QCFS 的输出严格相等。Phase 2 做的事情是修正 Phase 1 里因为输入到达顺序造成的多发和少发。¹¹

2.2. Sparsity Exploitation in DNN Accelerators

SparTen 是 bitmap inner-join，每个元素 1 bit metadata。Gamma 是 Gustavson + CSR 类编码，metadata 是多字节的，访存更重。LoAS 用 FTP dataflow 把所有 timestep 并行掉，但 laggy prefix-sum 每个 chunk 要 8 个周期，还需要 correction accumulator 对齐快慢两路 prefix。这几个都是单模式的。

2.3. Hybrid ANN-SNN Algorithms and Hardware Architectures

算法侧有 slow-fast（低频 ANN 给 SNN 初始化膜电位）和 layer-wise 交替的混合模型。硬件侧 NEBULA 和 EPHA 是 layer 级切换，没利用稀疏。C-DNN 是 tile 级，转换有损，也没做 dual sparsity。

3. Lossless ANN-SNN Conversion and Dataflow

3.1. Element-level Extension of PASCAL Equivalence

两个 Corollary 给的是 INT8 下要满足的条件。输入层要求 $\theta_n/(2L_n)$ 是整数，且 $\theta_n$ 在 INT8 范围内。MatMul + BN 的层要求 $b/L$ 、 $\mu/L$ 、 $\beta/L$ 和 $\gamma/\sqrt{\sigma^2+\epsilon}$ 都是 INT8 范围内的整数。Theorem 1 说对任意输出元素 $(i,j)$ ，SNN 实现和 ANN 实现等价。证明只有一个 sketch：integrate、threshold、reset 只涉及该元素自己的输入和权重，和其他输出元素无关，所以 PASCAL 的 Thm 3.3–3.6 可以逐元素套用。

这个定理基本是显然的，IF 神经元的动力学本来就是每个神经元各管各的。真正让层内混用成立的是下一节的设计：层与层之间传的永远是整数，脉冲只存在于 PE 内部。

3.2. Unified INT8 Dataflow and On-the-Fly Mode Switching

所有 activation 和 weight 都以 INT8 存储，数据本身不带任何模式信息。模式是调度的属性，由离线 scheduler 给出的 per-element binary mask 决定。

ANN 模式：PE 对 match 上的非零对做 MAC，过 QCFS，写回 INT8。
SNN 模式：PE 用组合逻辑把 match 上的非零 INT8 activation 展开成二值脉冲串，累加带权脉冲并比较阈值，再处理残余膜电位。 $L=8$ 时是 $3L-1=23$ 步串行迭代，最后同样写回 INT8。
两种模式走同一套 inner-product dataflow 和 FiberCache 访问模式，所以混合执行不增加访存。

这个设计本身挺干净的。不过这样一来，SNN 模式和一般说的 SNN 已经没什么关系了：没有跨层传递的脉冲，没有事件驱动，时间维度在 PE 内部产生，又在 PE 内部消掉。

$T=L=8$ 、 $\lambda=1$ 的配置下，activation 的取值是 ${0,1,\dots,8}$ 。SNN core 做的事情是：

把数值 $a$ 展开成 8 个 slot 的 unary 编码（按 Phase 3 的发放方式，应该是前 $a$ 个 slot 为 1）；
对每个 match 做至多 8 次条件加法；
最后用 23 步膜电位迭代算出一个 clamp。

ANN core 里，同一个 clamp 是两个比较器加一个 mux（4.3）。两种 core 算的是同一个 QANN，区别只在乘法是用乘法器做，还是用 unary 的 bit-serial 累加做。

从这个角度看，AC 替代 MAC 的收益要打折扣。ANN core 的 “INT8 MAC” 实际乘的是一个 8-bit weight 和一个不超过 8 的数，有效位宽不到 4 bit。unary 编码下数值 $a$ 要 $a$ 次加法，普通的二进制 shift-add 只要 $\mathrm{popcount}(a)$ 次， $a\le8$ 时最多 3 次。按 Horowitz 45nm 的数，8-bit 乘法 0.2 pJ，8-bit 加法 0.03 pJ，一个 $4\times8$ 的乘法器量级上相当于三次多的加法， $a$ 取 3 左右的时候两边就打平了。如果 ANN PE 用的是完整的 $8\times8$ 乘法器，对 ANN 侧是不太公平的。

4. NeuroFlex Architecture

4.1. Overview & Core Organization

两种 core 各是一组 PE，共享 HBM 后面的 FiberCache。输出统一经过一个 compressor 再写回片上 SRAM。中心 scheduler 分发任务，core 内空闲的 PE 贪心地填。

4.2. Processing-Element Microarchitecture

每个 PE 收到的是一个 chunk（128-bit bitmap + 打包好的非零值），每周期处理一个非零元素，chunk 之间插一个 bubble。 ANN PE 来自 SparTen：

fast prefix 一个周期内给出读偏移；
地址生成器对齐 activation 和 weight 流；
MAC 阵列累加，然后过 QCFS；
$T=L$ 、 $\lambda=1$ 时 QCFS 退化成 $[0,T]$ 上的饱和 clamp。

SNN PE 是三级流水。前端有两套 prefix-sum：fast prefix 单周期给出对齐用的早期偏移；laggy prefix（16 个加法器 + 128-bit buffer）用 8 个周期算完有效 match。只有 match 上的 activation 才往后送。三个 stage：

Stage 1 Spike Generation：纯组合逻辑，INT8 → 8-bit 脉冲串，只对 inner-join 之后留下的对生成；
Stage 2 Spike Count：硬件上展开 $L-1$ 步，每步把脉冲 × weight 加到膜电位寄存器，和 $\theta^*$ 比较，超过就记一个脉冲并 soft reset。带权输入 11-bit signed，膜电位 14-bit signed，计数器 4-bit unsigned；
Stage 3 Membrane Potential Reinitialization：最多 8 步，没有新输入。膜电位 $\ge\theta^\_$ 就补一个正脉冲并减 $\theta^\_$ ，为负就发一个负脉冲并加 $\theta^*$ 。计数器变成 5-bit signed，结果送 compressor。²²

4.3. Memory Hierarchy and Interconnect

FiberCache 每个 cache line 存一个 bitmap 和一个 continuation pointer。它分了很多 bank 支持 PE 并发访问，替换策略按 reuse。swizzle-switch crossbar 每次传 128-bit 的 bitmap + data chunk，用 single-credit 反压。scheduler 通过统一的命令队列，给每个元素下发 mode token 和 PE 分配。

5. Cost Function and Scheduling

对 core $a\in{S,A}$ ，元素 $(i,j)$ 的能耗和延迟是 match 数的线性函数：

$e_a(i,j)=\epsilon_a\hat r_{i,j}+\zeta_a,\qquad \ell_a(i,j)=\beta_a\hat r_{i,j}+\delta_a$

$(\epsilon_a,\beta_a)$ 是 RTL microbenchmark 测出来的 per-match 系数， $(\zeta_a,\delta_a)$ 是每个元素的固定开销。 $\hat r_{i,j}$ 取 128 个校准样本上 match 数的 P90，用来防 makespan 的尾延迟。

$\mathbf X\in{0,1}^{M\times N}$ 是分配矩阵。能耗对元素可加。延迟是两种 core 各自 PE 上 makespan 的最大值 $D=\max{T_S,T_A}$ 。目标是 $\mathrm{EDP}=E\cdot D$ 。因为 makespan 的耦合，这是 NP-hard 的。求解用模拟退火：

每次翻转一个元素， $O(P_a)$ 重算 makespan，几何降温；
初始解是每个元素去边际代价低的 core；
每层迭代 $10\cdot M\cdot N$ 次， $512\times512$ 的输出在 EPYC 9555 上不到 2 秒；
mask 和权重存在一起，推理时没有运行时开销。

这里有两个地方我没太想明白。

第一，在这个线性模型下，“哪些元素去 SNN” 其实没有看上去那么重要。

记送去 SNN 的元素的总 match 数为 $R_S$ 、元素个数为 $n_S$ ，则 $E=\epsilon_SR_S+\zeta_Sn_S+\epsilon_A(R-R_S)+\zeta_A(n-n_S)$ 。
元素数量（几十万）远大于 PE 数量（16），packing 基本能做到完全均衡， $T_a\approx(\beta_aR_a+\delta_an_a)/P_a$ 。所以 EDP 只依赖 $(R_S,n_S)$ 两个聚合量。
给定 $R_S$ ，是拿很多小元素去凑，还是拿少数大元素去凑，只改变 $n_S$ ，也就是只通过固定项 $\zeta,\delta$ 起作用。
SNN 侧每个元素固定要走 23 步迭代，laggy prefix 每个 chunk 还要 8 个周期，直觉上 $\delta_S,\zeta_S$ 都比 ANN 侧大。那应该是让 $n_S$ 尽量小、把 match 多的元素送去 SNN 才对，和 Intro 的说法是反的。Intro 对 “match 少的去 SNN” 的解释，是这些元素需要摊薄 timestep 开销的操作更少。但操作少的时候，固定开销只会更难摊薄。
文章没给四组系数的数值，也没画 scheduler 最后给出的 mask，没法判断实际的分配是什么样的。

第二，mask 是离线定死的，但 activation 的稀疏 pattern 随输入变。

元素 $(i,j)$ 的 $i$ 在 CNN 里是空间位置，在 Transformer 里是 token 位置。这一维上的 match 数基本由输入决定。
能离线确定的，只有 $j$ 这一维上 weight 列的密度。
P90 校准对 CIFAR 这种物体居中的数据也许还行，对 token 维度很难说有意义。序列长度变了之后， $M\times N$ 的 mask 怎么用，文章也没讲。³³

6. Experimental Methodology

setup：

16 SNN PE + 16 ANN PE，8-bit weight，32 个 inner-join unit；
512 KB global cache（32 bank，32-way），两个 $32\times32$ swizzle-switch crossbar，HBM 128 GB/s；
$L=T=8$ ；
模型：VGG-16、ResNet-34、GoogleNet、BERT、ViT-S、GPT-2 XL、OPT-6.7B，先用 QCFS 训练，再转 PASCAL SNN；
硬件 baseline：SparTen（ANN-only）和 LoAS（SNN-only），都配成 32 PE + 同样的 cache 和 HBM，activation 分别换成 QCFS 和 PASCAL；
粒度 baseline：LayerWise / TileWise / ElementWise，都跑在同一份 NeuroFlex 硬件上，用同一个 cost function；
关键模块写了 RTL，DC 综合，40nm，560 MHz。存储用 CACTI 7.0。整体性能来自 Python 写的 cycle-level simulator。没有报 area 和绝对功耗。表里只有 PASCAL SNN 一列，没有原始 FP 模型的精度。lossless 指的是 SNN 相对 QCFS-ANN 无损，QCFS-ANN 相对原模型掉了多少是另一回事。比如 GoogleNet 的 65.71%，印象里 torchvision 的 FP 版本在 69.8% 左右。

LLM 的部分基本没有交代：

Corollary 只覆盖了 MatMul + BN，LayerNorm、softmax、GELU 怎么处理没说；
attention 里 activation 乘 activation 的 matmul 走不走加速器，没说；
9 级 activation 的 GPT-2 XL 和 OPT-6.7B 是怎么训到这个 PPL 的，也没说。

另外，ResNet-34 出现在硬件实验里，但不在这张表里。各模型硬件评估用的剪枝率和 activation 稀疏度没给，精度是不是在剪枝后的模型上测的也没给。⁴⁴ artifact 只覆盖 Table IV，不包含硬件模拟器。

7. Experimental Results

7.1. End-to-End Performance & EDP

SparTen 仍然是最快的。LoAS 能耗最低，但 EDP 比 NeuroFlex 高 57.1-69.5%。NeuroFlex 相比 LoAS 最高加速 2.5×。

能耗口径。 文章里有一句话：三个设计共享 bitmap 编码、FiberCache 和存储层级，所以 memory subsystem 在归一化比较里 “cancels out”。一个相同的加项，在比值里是消不掉的。所以我的理解是，Fig.7/8 的能耗只算了计算侧。7.2 和 Gamma、Prosperity 比的时候，专门强调了 end-to-end、计入访存能耗，也印证了这一点。

而 Fig.12 里 global cache 占系统功耗的 63.9%。粗算一下 VGG-16：

计算侧 EDP 是 SparTen 的 0.35。假设延迟持平（文章说 SparTen 还是最快的，所以这是偏乐观的假设），计算能耗就是 0.35。
按 Fig.12 的比例，访存能耗是计算能耗的 $63.9/36.1\approx1.77$ 倍，也就是 0.62，两边相同。
系统级的能耗比是 $(0.35+0.62)/(1+0.62)\approx0.60$ ，EDP 降幅从 65% 变成 40% 左右。
如果 NeuroFlex 比 SparTen 慢 20%，就只剩 36%。
Fig.12 是哪个模型的 breakdown，文章没说，这里当成 VGG-16 用了。

几个 headline 数字放在一起对不上。 先只看 per-match 的线性部分。

把 32 个 ANN PE 的 SparTen 记为 $E=1,D=1$ 。
把 32 个 SNN PE 的 LoAS 记为 $E=e,D=\rho$ 。 $\rho\ge1$ 是 SNN PE 相对 ANN PE 的减速。
NeuroFlex 是 16+16，设分到两侧的工作量占比为 $a,s$ （ $a+s=1$ ）。

则

$E_\text{NF}=a+es,\qquad D_\text{NF}=2\max(a,\rho s)\ge a+\rho s,$

$\mathrm{EDP}_\text{NF}\ge(a+es)(a+\rho s)=a^2+(e+\rho),as+e\rho, s^2 .$

记 $m=\min(1,e\rho)$ ，也就是两个单模式 baseline 里较好的那个 EDP。由 $e+\rho\ge2\sqrt{e\rho}\ge2m$ ，上式三项的系数，分别不小于 $m(a+s)^2=ma^2+2m,as+ms^2$ 的对应系数，所以 $\mathrm{EDP}_\text{NF}\ge m$ 。

也就是说，线性代价下，16+16 的混合在 EDP 上赢不了 32 个 ANN PE 和 32 个 SNN PE 里较好的那一个。而文章报告的是两个都被明显超过：比 SparTen 低 57-67%，LoAS 又比 NeuroFlex 高 57-70%。另外 2.5× 的加速在均衡分配下对应 $\rho=4$ ，此时 NeuroFlex 应该比 SparTen 慢 60%。

所以收益只能来自线性部分之外，有两种可能：

固定项很大，而且两种 core 的优劣随元素交叉：小元素在 SNN 上又快又省，大元素在 ANN 上更快。这和 SNN PE 的结构不太相符。
baseline 和 NeuroFlex 之间，差的不只是 core 的种类。

我比较怀疑后者。NeuroFlex 的元素是离线按 $\hat r$ 打包到各个 PE 上的，利用率 97-99%。SparTen 和 LoAS 如果用的是各自原本的调度，层内 $r$ 差好几倍带来的空转，就会同时算进它们的延迟和能耗里。

random 分配具体怎么做的，文章没细说，但它已经能拿到 43-58% 的 EDP 降幅。BERT 上 random 的 57.6% 和 cost-guided 的 57.4% 基本没有区别。吞吐高 16.7% 而 EDP 持平，等于能耗也高了 17% 左右。这说明大部分收益和 ”给元素选对模式” 关系不大。

7.2. Comparison with Gamma and Prosperity

end-to-end 口径（含访存）：

Gamma 速度最高（约 19×），但 CSR metadata 的访存让能效停在 baseline；
NeuroFlex 在 VGG-16 上比 Prosperity 快约 12×，能效高 2.3-3.0×；
EDP 比 Prosperity 低 5-6×，比 Gamma 低 1.5-2×。

文章把 Prosperity 的 product sparsity 描述成 ”输出元素的点积为零时整体跳过”，这个不对。Prosperity 做的是在脉冲矩阵的行之间找相同的二值子组合，复用已经算过的内积（之前读过），和跳零是两回事。Prosperity 跑的是真正的多 timestep 脉冲输入，在这个理解下的 12× 是怎么比出来的，我不太确定。

7.3. Scheduling Granularity & PE Utilization

Element-wise 的利用率：VGG-16 99.3%，ResNet-34 98.9%，GoogleNet 98.6%，BERT 97.5%。Tile-wise 在 60-84% 之间。

LayerWise 是跑在 16+16 的 NeuroFlex 硬件上的。一层只用一种模式的话，另外 16 个 PE 必然空闲，利用率上限就是 50%。40-45% 这个数，更多是 baseline 的构造方式决定的。按 Related Work 自己的描述，EPHA 的 PE 可以配置成 ANN 或 SNN 模式，真正的 layer 级混合加速器不会有一半硬件闲着。

这几个数字在文中也不太一致：

layer-wise 在摘要里是 40-45%，粒度 ablation 那节又写 60-76%；
利用率那节给的是 tile-wise 的数，解释用的却是 layer 级切换时另一种 core 空闲的说法。

利用率本身也不是目标。SNN PE 花 23 步迭代算一个 clamp 的时候，同样算 busy。

7.4. Scalability

activation 稀疏度从 90% 降到 60%、25%，相对加速从 100% 掉到 21.3%、12.5%。收益基本正比于 inner-join 跳掉的比例。
core 配比：SNN/ANN = 6/10 时速度 1.12×、能效降到 86%；10/6 时能效 1.15×、速度 91%；8/8 在 EDP 的拐点附近。

7.5. Power Analysis

QCFS 比 ReLU 贵（ReLU 是 QCFS 的 0.8×），PASCAL 神经元比 LIF 贵（LIF 是 PASCAL 的 0.4×），但两种激活单元加起来不到系统功耗的 1%。作者自己的结论是，后续优化应该放在存储层级上。⁵⁵

MAC 占系统功耗的比例是 $23.1\%\times28.88\%\approx6.7\%$ ，AC 换 MAC 这件事能碰到的也就是这几个点。

另外同样是 16 个 PE，SNN core 的功耗只有 ANN core 的 1/4，而 MAC 只占 ANN core 的 23%。这个 4× 显然不全是 AC 带来的。我的理解是，SNN PE 每个 chunk 要等 8 个周期的 laggy prefix，单位时间里翻转少，功耗自然低。换算成每个 match 的能耗，差距没有这么大。

8. Conclusion

作者自己写的局限是方法只对 activation 能用 QCFS 表示的模型成立。

感觉的优点：

Fig.1 这种逐元素的有效 match 数分析，对任何 dual-sparse 的设计都是有用的 profiling。
模式属于调度、层间统一存 INT8 的做法，也干净。
Fig.12 是一个不错的数据点：在一个认真做了访存建模的稀疏加速器里，cache 占 64%，MAC 不到 7%。这和社区里只数 AC/MAC 次数的 energy model 给人的印象差很多，之后讨论 SNN 和 QANN 的能耗对比的时候可以拿来用。

缺点：

主实验的能耗口径；
几个 headline 数字之间的关系；
scheduler 到底学到了什么。这几个都没法从文章里得到回答。另外，这里的 SNN 是一个关在 PE 内部的 unary 计算。层间接口一旦是整数，SNN 和 QANN 的 bit-serial 实现之间就没有界线了。我们更关心：
跨层的事件驱动；
时间上的稀疏，比如 DiffEncode 之后帧间的增量。就做不出来？反过来，它可以当成一个参照：不利用时间维度的时候，“SNN 模式” 在一个做了 dual sparsity 的加速器里，大概就值这么多。

用负脉冲修正 overfiring，从而让 QANN 和 SNN 严格等价，这个思路在 SpikeZIP-TF 的 ST-BIF 里就有了，本文的 related work 里没有提。区别是 ST-BIF 边收边发、随时修正，PASCAL 是等 $L$ 步输入全部收完，再统一修正、统一输出，每一层天然要多等 $2L-1$ 步。 ↩
硬件的三个 stage 和 PASCAL 的三个 phase 对应得不太清楚。算法里带输入的累加是 $L$ 步，Stage 2 写的却是展开 $L-1$ 步，而脉冲串有 8 个 slot。第 8 个 slot 的输入在哪里加进去的，没看明白。 ↩
文章里 element 和 column 两个词是混用的。Related Work 里写 column granularity 是 inner-product dataflow 能独立分配的最细粒度，Algorithm 1 的标题也还是 Column-Wise。估计早期版本是按输出列调度的。列的工作量主要由 weight 决定，离线调度在那个粒度上反而更说得通。 ↩
Fig.1 的 conv3_3 是 $3136\times256$ ，对应 $56\times56$ 的 feature map，也就是 224 分辨率的输入。但 Table IV 里 VGG-16 是在 CIFAR-10 上测的。 ↩
一些小问题：core 配比那节的 SNN/ANN = 10/8 应该是 10/6。EDP 那节引的 Figure 7 应该是 Figure 8。和 Gamma 比的那节里，Gamma 引成了 [8]（Spada）。Fig.12B 三项加起来是 102%，12C 加起来是 95.7%。 ↩