- 昇腾AI互动式学习路径https://edu.huaweicloud.com/programs/ascend_zone.html第三阶段：昇腾PyTorch迁移学员将对昇腾PyTorch迁移开发全流程、迁移方法以及性能精度调优方法有个全面认识。除此之外，学员还能通过实践任务体验昇腾PyTorch经典视觉、音频以及自然语言处理模型开发流程。Whisper模型的结构wav2vec2模型算法基本流... 昇腾AI互动式学习路径https://edu.huaweicloud.com/programs/ascend_zone.html第三阶段：昇腾PyTorch迁移学员将对昇腾PyTorch迁移开发全流程、迁移方法以及性能精度调优方法有个全面认识。除此之外，学员还能通过实践任务体验昇腾PyTorch经典视觉、音频以及自然语言处理模型开发流程。Whisper模型的结构wav2vec2模型算法基本流...
- 昇腾AI互动式学习路径https://edu.huaweicloud.com/programs/ascend_zone.html第三阶段：昇腾PyTorch迁移学员将对昇腾PyTorch迁移开发全流程、迁移方法以及性能精度调优方法有个全面认识。除此之外，学员还能通过实践任务体验昇腾PyTorch经典视觉、音频以及自然语言处理模型开发流程。数据并行Attention模块的张量并行LayerNo... 昇腾AI互动式学习路径https://edu.huaweicloud.com/programs/ascend_zone.html第三阶段：昇腾PyTorch迁移学员将对昇腾PyTorch迁移开发全流程、迁移方法以及性能精度调优方法有个全面认识。除此之外，学员还能通过实践任务体验昇腾PyTorch经典视觉、音频以及自然语言处理模型开发流程。数据并行Attention模块的张量并行LayerNo...
- 昇腾AI互动式学习路径https://edu.huaweicloud.com/programs/ascend_zone.html第三阶段：昇腾PyTorch迁移学员将对昇腾PyTorch迁移开发全流程、迁移方法以及性能精度调优方法有个全面认识。除此之外，学员还能通过实践任务体验昇腾PyTorch经典视觉、音频以及自然语言处理模型开发流程。PyTorch模型迁移训练整体流程Pytorch全景示... 昇腾AI互动式学习路径https://edu.huaweicloud.com/programs/ascend_zone.html第三阶段：昇腾PyTorch迁移学员将对昇腾PyTorch迁移开发全流程、迁移方法以及性能精度调优方法有个全面认识。除此之外，学员还能通过实践任务体验昇腾PyTorch经典视觉、音频以及自然语言处理模型开发流程。PyTorch模型迁移训练整体流程Pytorch全景示...
- 昇腾AI互动式学习路径https://edu.huaweicloud.com/programs/ascend_zone.html第二阶段：深度学习入门（PyTorch）本学习路径基于PyTorch框架，对深度学习基础知识、卷积神经网络、循环神经网络、生成对抗网络以及Transformer架构等进行介绍。通过本学习路径的学习，学员将对深度学习中基础知识以及典型网络架构实现方法具有较为全面的认识... 昇腾AI互动式学习路径https://edu.huaweicloud.com/programs/ascend_zone.html第二阶段：深度学习入门（PyTorch）本学习路径基于PyTorch框架，对深度学习基础知识、卷积神经网络、循环神经网络、生成对抗网络以及Transformer架构等进行介绍。通过本学习路径的学习，学员将对深度学习中基础知识以及典型网络架构实现方法具有较为全面的认识...
- 昇腾AI互动式学习路径https://edu.huaweicloud.com/programs/ascend_zone.html第二阶段：深度学习入门（PyTorch）本学习路径基于PyTorch框架，对深度学习基础知识、卷积神经网络、循环神经网络、生成对抗网络以及Transformer架构等进行介绍。通过本学习路径的学习，学员将对深度学习中基础知识以及典型网络架构实现方法具有较为全面的认识... 昇腾AI互动式学习路径https://edu.huaweicloud.com/programs/ascend_zone.html第二阶段：深度学习入门（PyTorch）本学习路径基于PyTorch框架，对深度学习基础知识、卷积神经网络、循环神经网络、生成对抗网络以及Transformer架构等进行介绍。通过本学习路径的学习，学员将对深度学习中基础知识以及典型网络架构实现方法具有较为全面的认识...
- 本文主要介绍了如何在昇腾上，使用pytorch对经典的图神经网络GCN在论文引用Cora数据集上进行分类训练的实战讲解。内容包括GCN背景介绍、模型特点介绍、GCN网络架构剖析与GCN网络模型代码实战分析等等。本文的目录结构安排如下所示：GCN网络背景介绍模型特点介绍GCN网络架构剖析GCN网络用于Cora数据集分类实战 GCN网络背景介绍多层感知机、卷积神经网络、循环神经网络和自编码器等深... 本文主要介绍了如何在昇腾上，使用pytorch对经典的图神经网络GCN在论文引用Cora数据集上进行分类训练的实战讲解。内容包括GCN背景介绍、模型特点介绍、GCN网络架构剖析与GCN网络模型代码实战分析等等。本文的目录结构安排如下所示：GCN网络背景介绍模型特点介绍GCN网络架构剖析GCN网络用于Cora数据集分类实战 GCN网络背景介绍多层感知机、卷积神经网络、循环神经网络和自编码器等深...
- 本实验主要介绍了如何在昇腾上，使用pytorch对经典的图神经网络GAT在论文引用数据集Pubmed上进行分类训练的实战讲解。内容包括GAT网络创新点分析、图注意力机制原理与架构剖析、多头注意力机制分析与GAT网络模型代码实战分析等等。本实验的目录结构安排如下所示：GAT网络创新点分析图注意力机制原理与架构分析多头注意力机制分析GAT网络用于Pubmed数据集分类实战 GAT网络创新点分析注... 本实验主要介绍了如何在昇腾上，使用pytorch对经典的图神经网络GAT在论文引用数据集Pubmed上进行分类训练的实战讲解。内容包括GAT网络创新点分析、图注意力机制原理与架构剖析、多头注意力机制分析与GAT网络模型代码实战分析等等。本实验的目录结构安排如下所示：GAT网络创新点分析图注意力机制原理与架构分析多头注意力机制分析GAT网络用于Pubmed数据集分类实战 GAT网络创新点分析注...
- 本文主要介绍如何在昇腾上使用pytorch对推荐系统中经典的网络模型Din进行训练的实战讲解，使用数据集是Amazon中book数据集，主要内容分为以下几个模块：Din网络创新点介绍Din网络架构剖析及搭建Activation Unit介绍Attention模块Din网络构建使用Amazon-book数据集训练Din网络实战Amazon-book数据集介绍Amazon-book数据集预处理训... 本文主要介绍如何在昇腾上使用pytorch对推荐系统中经典的网络模型Din进行训练的实战讲解，使用数据集是Amazon中book数据集，主要内容分为以下几个模块：Din网络创新点介绍Din网络架构剖析及搭建Activation Unit介绍Attention模块Din网络构建使用Amazon-book数据集训练Din网络实战Amazon-book数据集介绍Amazon-book数据集预处理训...
- PyTorch 实现 Vggnet图像分类本实验主要介绍了如何在昇腾上，使用pytorch对经典的Vggnet模型在公开的CIFAR10数据集进行分类训练的实战讲解。内容包括Vggnet模型创新点介绍 、Vggnet网络架构剖析 与Vgg网络模型代码实战分析等等。本实验的目录结构安排如下所示：Vggnet网络模型创新点介绍Vggnet的网络架构剖析Vggnet网络模型代码实现分析Vggne... PyTorch 实现 Vggnet图像分类本实验主要介绍了如何在昇腾上，使用pytorch对经典的Vggnet模型在公开的CIFAR10数据集进行分类训练的实战讲解。内容包括Vggnet模型创新点介绍 、Vggnet网络架构剖析 与Vgg网络模型代码实战分析等等。本实验的目录结构安排如下所示：Vggnet网络模型创新点介绍Vggnet的网络架构剖析Vggnet网络模型代码实现分析Vggne...
- 借助华为开发者空间提供的免费昇腾NPU资源的Notebook进行代码开发，深入了解如何利用Python中预装的库来进行数据清洗。 借助华为开发者空间提供的免费昇腾NPU资源的Notebook进行代码开发，深入了解如何利用Python中预装的库来进行数据清洗。
- 接上一章节内容，将ONNX模型拆分成loop算子部分和非loop算子部分后，分别转换成OM模型，并用for循环替换loop算子计算逻辑，比较OM模型和ONNX模型的推理结果是否一致，验证结果如果一致则证明该方案有效。 onnx模型转om loop算子前面的图-Aatc --model=./mode_loop_input2_i_cond.onnx --framework=5 \ --o... 接上一章节内容，将ONNX模型拆分成loop算子部分和非loop算子部分后，分别转换成OM模型，并用for循环替换loop算子计算逻辑，比较OM模型和ONNX模型的推理结果是否一致，验证结果如果一致则证明该方案有效。 onnx模型转om loop算子前面的图-Aatc --model=./mode_loop_input2_i_cond.onnx --framework=5 \ --o...
- 方案背景当在线推理的速度无法满足客户要求，使用atc工具将onnx转为om模型走离线推理路径时，遇到NPU不支持LOOP算子的问题，本文提供一种解决方案。本方案的设计思路是，onnx文件分成loop算子和不含loop算子的两部分，把loop算子的子图提取出来，单独推理。实际操作中可能需要分成3份乃至更多，因此，本方案使用于关键路径上的loop算子，否则工作量会很大。 构造包含loop算子的... 方案背景当在线推理的速度无法满足客户要求，使用atc工具将onnx转为om模型走离线推理路径时，遇到NPU不支持LOOP算子的问题，本文提供一种解决方案。本方案的设计思路是，onnx文件分成loop算子和不含loop算子的两部分，把loop算子的子图提取出来，单独推理。实际操作中可能需要分成3份乃至更多，因此，本方案使用于关键路径上的loop算子，否则工作量会很大。 构造包含loop算子的...
- ais_bench提供的python API可供使能基于昇腾硬件的离线模型(.om模型)推理。具体介绍可参考[API_GUIDE](https://gitee.com/ascend/tools/blob/master/ais-bench_workload/tool/ais_bench/API_GUIDE.md#api%E7%AE%80%E4%BB%8B)下面列举几个常用的API推理场景使用方... ais_bench提供的python API可供使能基于昇腾硬件的离线模型(.om模型)推理。具体介绍可参考[API_GUIDE](https://gitee.com/ascend/tools/blob/master/ais-bench_workload/tool/ais_bench/API_GUIDE.md#api%E7%AE%80%E4%BB%8B)下面列举几个常用的API推理场景使用方...
- 动态BatchSize OM推理以档位1 2 4 8档为例，设置档位为2，本程序将获取实际模型输入组Batch，每2个输入为一组，进行组Batch。示例命令：python3 -m ais_bench --model ./inference/om/dynamic_batch_size_det.om --input ./inference/input/ --output ./inference... 动态BatchSize OM推理以档位1 2 4 8档为例，设置档位为2，本程序将获取实际模型输入组Batch，每2个输入为一组，进行组Batch。示例命令：python3 -m ais_bench --model ./inference/om/dynamic_batch_size_det.om --input ./inference/input/ --output ./inference...
- 推理环境准备 ais_bench推理工具简介昇腾离线OM模型的推理后端是ACL（Ascend Computing Language），其底层采用C实现，后来在ACL基础上又做了一套Python接口，命名为pyACL，为了方便开发，华为工程师又基于pyacl开发出一款推理工具ais_bench，此工具支持使用命令进行快捷地推理，并测试推理模型的性能（包括吞吐率、时延），同时ais_bench... 推理环境准备 ais_bench推理工具简介昇腾离线OM模型的推理后端是ACL（Ascend Computing Language），其底层采用C实现，后来在ACL基础上又做了一套Python接口，命名为pyACL，为了方便开发，华为工程师又基于pyacl开发出一款推理工具ais_bench，此工具支持使用命令进行快捷地推理，并测试推理模型的性能（包括吞吐率、时延），同时ais_bench...
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签