存算一体神经网络关于仿真软件的安装

　　在冯-诺依曼架构的帮助下，数字计算机为各个领域都带来了翻天覆地的变化。然而，传统计算机所依托的冯-诺依曼架构需要总线将数据从中央处理单元（CPU）传输到主存储器，这不可避免地限制了处理速度，并导致额外的电力消耗。从而出现了＂存储墙＂的问题。为了解决这个问题，研究人员发现人类的大脑允许神经元同时进行信号处理和并把所处理的信息原地存储（也就是所谓的存算一体）。因此，如果能够把人脑中这种非冯-诺依曼结构用于计算，它将实现比传统的冯-诺依曼结构更快地运行和更少的能量消耗。受这一现象的启发，人们提出了人工突触，包括忆阻器、忆容器和忆感器，将其制备成阵列后以模仿生物突触的行为，期待可以取代传统的冯诺依曼架构。
　　这种被称为神经形态运算的新架构一般是运用矩阵乘的方式来工作的。这种模拟方法在能源效率方面有两个基本优势：1.多比特乘法只需一个设备就能完成，而且不需要添加特殊的硬件（只是电线交叉）。2.权重矩阵的运算结果不需要每一步都被读出，只要输入信号和输出信号即可。据说这两大优势可以帮助神经计算阵列极大地减少能量消耗。而要对该阵列进行仿真，crosssim是常用软件。
　　作为一个刚开始接触这个领域的小白，我发现在网上能找到的相关资源实在是不多。尤其是在crosssim改版以后。以前的攻略就没什么用了。比如下图：
　　按照能找到的教程，我分别试着在pip中输入了pip install cross_sim-0.1.0.tar.gz，pip install cross_sim-0.2.0.tar.gz，甚至自以为聪明地试了pip install cross_sim-0.3.0.tar.gz和cross_sim-0.4.0.tar.gz.结果自然是都不行。
　　然后不得不回去啃它的操作手册。然后我发现，原来改版后的crosssim的clone了git里的repository（存储库？）以后才能操作。
　　所以呢，要安装crosssim，首先要解决克隆的事。而要克隆，就需要下载安装git。
　　网上搜索git的安装，应该可以找到好多个版本。有在windows上运行的，也有在linux运行的。我是在windows上运行的。所以就点击windows的安装包下载，然后一直选yes就行。直到finish。
　　接着，打开git gui，进行git repo的克隆。克隆的主要是两个包，一个是neural network datasets and device lookup tables for training, 一个包是neural network models。一定要注意不要把两个包分别进行克隆，而应该将其一起克隆。
　　所以应该输入：
　　git clone http://github.com/sandialabs/cross-sim.git
　　等待个几分钟就差不多克隆好了。
　　输入git submodule init
　　git submodule update –progress
　　就可以用了。
　　安装成功后，可以按照教程第三章写的，测试一下inference里的神经网络，你会得到下图：该神经网络的识别精确度为98.5%。
　　有什么问题欢迎留言/私信。求学不易，众行方远。