Deepity：C++ 库证明预测编码网络可在 60 秒内达到 97.73% MNIST 准确率
2026.09.03 · 产品 · 开源项目 · 本人发布
开发者用 C++ 实现加速 PCN，在 MNIST 上接近反向传播性能。
开发者用 C++ 构建了机器学习库 Deepity，实现预测编码网络（PCN），并通过直接 Kolen-Pollack 反馈对齐和算法缓存加速。在 MNIST 上训练 50 轮，Deepity 达到 97.73% 测试准确率，耗时 59.5 秒，接近 PyTorch 反向传播的 98.27%（约 70 秒）。
- 实现加速 PCN，性能接近反向传播
- MNIST 上 97.73% 准确率，耗时 59.5 秒
- PyTorch 反向传播 98.27%，约 70 秒
- 计划移植到 CUDA 扩展架构
- 测试持续学习场景
为什么值得看
展示生物合理学习算法在性能上可追赶反向传播。
适合谁关注
关注本地学习、替代信用分配和 HPC 的开发者。