fangwei123456

Hi, I just fix this bug. You can try again.

Hi, I suggest that you can print the codes of the kernel (by the attribute `.code` (https://docs.cupy.dev/en/stable/reference/generated/cupy.RawKernel.html#cupy.RawKernel.code) ) before calling and check the CUDA codes.

You can try to call this kernel manually (by CuPy rather than functions in SpikingJelly) and check if it raises some errors.

1D卷积在单步模式下，输入`shape=[N, C, L]` 多步模式下，处理的数据是一个序列，需要新增一个时间维度 SJ框架把时间维度放到第0维。如果放到其他维度，某些层的速度会下降很多，但也可以这样做。这种情况下，你需要重写一些自己用的层

现在增加了几个包装器，可以使T在最后一个维度了，并且在pytorch>=2.0版本能并行加速 https://github.com/fangwei123456/spikingjelly/commit/880f589d1e75d0279d8e16a3d4e5f15a9db63b18

可能是原生的LIF的jit函数导致的 建议把你自行实现的LIF，基类换成 https://github.com/fangwei123456/spikingjelly/blob/c21e21cf3679cf5edc344e949eb160f13db2b55b/spikingjelly/activation_based/neuron.py#L70

这个应该不是bug，spiking lstm可能性能本身会比lstm低很多

Hi, I do not know how to use FPGAs. We can wait for someone who knows it to answer this question.

可以这样，因为原始的torchvision中的图片处理方法并不支持数据多一个时间维度

有空应该在框架里面加一些函数使得能兼容