- 在昇腾AI处理器上训练PyTorch框架模型时，可能由于算子在CPU上的下发速度、动态shape等问题，导致性能降低，那么本期就分享几个关于PyTorch模型调优的典型案例，给出调优思路及具体的调优方法。 在昇腾AI处理器上训练PyTorch框架模型时，可能由于算子在CPU上的下发速度、动态shape等问题，导致性能降低，那么本期就分享几个关于PyTorch模型调优的典型案例，给出调优思路及具体的调优方法。
- 5月27日，2023数博会“数字生态合作会—软件再出发暨华为生态会”在贵阳举行，会上发布了贵阳贵安2023年度20个优秀数字应用场景，及9个数字应用场景需求；华为云全新推出CodeArts Board看板服务，结合自身在研发效能度量领域沉淀的优秀方法论和最佳实践；经过中国信通院的检验，华为云应用运维管理平台满足云上软件系统稳定-可观测性平台技术要求，达到了可观测性平台技术检验的先进级水平... 5月27日，2023数博会“数字生态合作会—软件再出发暨华为生态会”在贵阳举行，会上发布了贵阳贵安2023年度20个优秀数字应用场景，及9个数字应用场景需求；华为云全新推出CodeArts Board看板服务，结合自身在研发效能度量领域沉淀的优秀方法论和最佳实践；经过中国信通院的检验，华为云应用运维管理平台满足云上软件系统稳定-可观测性平台技术要求，达到了可观测性平台技术检验的先进级水平...
- 在昇腾平台上运行PyTorch业务时，需要搭建异构计算架构CANN软件开发环境，并安装PyTorch 框架，从而实现训练脚本的迁移、开发和调试。 在昇腾平台上运行PyTorch业务时，需要搭建异构计算架构CANN软件开发环境，并安装PyTorch 框架，从而实现训练脚本的迁移、开发和调试。
- 本文介绍将PyTorch网络模型迁移到昇腾AI平台，并执行训练的全流程。 本文介绍将PyTorch网络模型迁移到昇腾AI平台，并执行训练的全流程。
- TSD（目标检测/Pytorch）论文名为《Revisiting the Sibling Head in Object Detector》，其提出基于任务间空间自适应解耦（task-aware spatial disentanglement，TSD）的检测算法能够有效的减弱通用物体检测中分类任务和回归任务之间的潜在冲突，可以灵活插入大多检测器中，在COCO和OpenImage上给任意bac... TSD（目标检测/Pytorch）论文名为《Revisiting the Sibling Head in Object Detector》，其提出基于任务间空间自适应解耦（task-aware spatial disentanglement，TSD）的检测算法能够有效的减弱通用物体检测中分类任务和回归任务之间的潜在冲突，可以灵活插入大多检测器中，在COCO和OpenImage上给任意bac...
- 人脸到动漫脸的转换与控制一种稳定、可控、多样化的图像到图像转换（也适用于视频！）使用方法：点击上方菜单，选择 Run（运行） - Run All Cells（运行所有） 第一步 准备代码环境import os! wget https://obs-aigallery-zc.obs.cn-north-4.myhuaweicloud.com/clf/code/GANsNRoses.zipos.s... 人脸到动漫脸的转换与控制一种稳定、可控、多样化的图像到图像转换（也适用于视频！）使用方法：点击上方菜单，选择 Run（运行） - Run All Cells（运行所有） 第一步 准备代码环境import os! wget https://obs-aigallery-zc.obs.cn-north-4.myhuaweicloud.com/clf/code/GANsNRoses.zipos.s...
- CenterNet-Hourglass (物体检测/Pytorch)目标检测常采用Anchor的方法来获取物体可能存在的位置，再对该位置进行分类，这样的做法耗时、低效，同时需要后处理（比如NMS）。CenterNet将目标看成一个点，即目标bounding box的中心点，整个问题转变成了关键点估计问题，其他目标属性，比如尺寸、3D位置、方向和姿态等都以估计的中心点为基准进行参数回归。本案... CenterNet-Hourglass (物体检测/Pytorch)目标检测常采用Anchor的方法来获取物体可能存在的位置，再对该位置进行分类，这样的做法耗时、低效，同时需要后处理（比如NMS）。CenterNet将目标看成一个点，即目标bounding box的中心点，整个问题转变成了关键点估计问题，其他目标属性，比如尺寸、3D位置、方向和姿态等都以估计的中心点为基准进行参数回归。本案...
- 语义分割，也称为全像素语义分割（full-pixel semantic segmentation），是一种典型的计算机视觉问题，其中图像中的每个像素根据其所属的感兴趣对象被分配类别ID。 早期的计算机视觉问题只发现边缘（线条和曲线）或渐变等元素，但它们从未完全按照人类感知的方式提供像素级别的图像理解。语义分割将属于同一目标的图像部分聚集在一起来解决这个问题，从而扩展了其应用领域。 语义分割，也称为全像素语义分割（full-pixel semantic segmentation），是一种典型的计算机视觉问题，其中图像中的每个像素根据其所属的感兴趣对象被分配类别ID。 早期的计算机视觉问题只发现边缘（线条和曲线）或渐变等元素，但它们从未完全按照人类感知的方式提供像素级别的图像理解。语义分割将属于同一目标的图像部分聚集在一起来解决这个问题，从而扩展了其应用领域。
- 计算机视觉领域最基本的三个任务是：分类、目标定位、目标检测。分类的目标是要识别出给出一张图像是什么类别标签（在训练集中的所有类别标签中，给出的这张图属于那类标签的可能性最大）；定位的目标不仅要识别出来是什么物体（类标签），还要给出物体的位置，位置一般用bounding box（边框）标记；目标检测是多个物体的定位，即要在一张图中定位出多个目标物体，目标检测任务包含分类和目标定位。DynamicRC 计算机视觉领域最基本的三个任务是：分类、目标定位、目标检测。分类的目标是要识别出给出一张图像是什么类别标签（在训练集中的所有类别标签中，给出的这张图属于那类标签的可能性最大）；定位的目标不仅要识别出来是什么物体（类标签），还要给出物体的位置，位置一般用bounding box（边框）标记；目标检测是多个物体的定位，即要在一张图中定位出多个目标物体，目标检测任务包含分类和目标定位。DynamicRC
- 将现实世界场景的照片转换为动漫风格图像的方法，这是计算机视觉和艺术风格转换中一项有意义且具有挑战性的任务，而本文中我们介绍的 AnimeGAN 就是 GitHub 上一款爆火的二次元漫画风格迁移工具，可以实现快速的动画风格迁移。该工具是基于神经风格迁移和生成对抗网络 (GAN) 技术打造的，相比于传统的神经网络模型，GAN 是一种全新的非监督式的架构。 将现实世界场景的照片转换为动漫风格图像的方法，这是计算机视觉和艺术风格转换中一项有意义且具有挑战性的任务，而本文中我们介绍的 AnimeGAN 就是 GitHub 上一款爆火的二次元漫画风格迁移工具，可以实现快速的动画风格迁移。该工具是基于神经风格迁移和生成对抗网络 (GAN) 技术打造的，相比于传统的神经网络模型，GAN 是一种全新的非监督式的架构。
- 论文连接：https://arxiv.org/pdf/1911.08947.pdfgithub链接：github.com 网络结构首先，图像输入特征提取主干，提取特征；其次，特征金字塔上采样到相同的尺寸，并进行特征级联得到特征F；然后，特征F用于预测概率图（probability map P）和阈值图(threshold map T)最后，通过P和F计算近似二值图（approximate b... 论文连接：https://arxiv.org/pdf/1911.08947.pdfgithub链接：github.com 网络结构首先，图像输入特征提取主干，提取特征；其次，特征金字塔上采样到相同的尺寸，并进行特征级联得到特征F；然后，特征F用于预测概率图（probability map P）和阈值图(threshold map T)最后，通过P和F计算近似二值图（approximate b...
- PyTorch是一个开源的机器学习库，专注于深度学习领域的应用，如计算机视觉和自然语言处理。自2016年由Facebook的人工智能研究团队（FAIR）开发以来，PyTorch迅速成为深度学习研究和应用中最受欢迎的框架之一。 PyTorch是一个开源的机器学习库，专注于深度学习领域的应用，如计算机视觉和自然语言处理。自2016年由Facebook的人工智能研究团队（FAIR）开发以来，PyTorch迅速成为深度学习研究和应用中最受欢迎的框架之一。
- PyTorch是一个开源的深度学习框架，由Facebook开发并维护。它提供了丰富的工具和库，用于构建和训练神经网络模型，支持动态计算图和自动微分，使得模型训练和调试变得更加灵活和高效。在本章节中，我们将介绍PyTorch框架的基本特点和优势，以及其在深度学习领域的应用。我们还将讨论PyTorch的基本概念和核心组件，为后续章节的学习奠定基础。在PyTorch中，模型的定义通常通过创建一个继承自n PyTorch是一个开源的深度学习框架，由Facebook开发并维护。它提供了丰富的工具和库，用于构建和训练神经网络模型，支持动态计算图和自动微分，使得模型训练和调试变得更加灵活和高效。在本章节中，我们将介绍PyTorch框架的基本特点和优势，以及其在深度学习领域的应用。我们还将讨论PyTorch的基本概念和核心组件，为后续章节的学习奠定基础。在PyTorch中，模型的定义通常通过创建一个继承自n
- 本文全面深入地探讨了胶囊网络（Capsule Networks）的原理、构建块、数学模型以及在PyTorch中的实现。通过本文，读者不仅能够理解胶囊网络的基础概念和高级数学原理，还能掌握其在实际问题中的应用方法。 本文全面深入地探讨了胶囊网络（Capsule Networks）的原理、构建块、数学模型以及在PyTorch中的实现。通过本文，读者不仅能够理解胶囊网络的基础概念和高级数学原理，还能掌握其在实际问题中的应用方法。
- 本文深入探讨了深度残差网络（ResNet）的核心概念和架构组成。我们从深度学习和梯度消失问题入手，逐一解析了残差块、初始卷积层、残差块组、全局平均池化和全连接层的作用和优点。文章还包含使用PyTorch构建和训练ResNet模型的实战部分，带有详细的代码和解释。 本文深入探讨了深度残差网络（ResNet）的核心概念和架构组成。我们从深度学习和梯度消失问题入手，逐一解析了残差块、初始卷积层、残差块组、全局平均池化和全连接层的作用和优点。文章还包含使用PyTorch构建和训练ResNet模型的实战部分，带有详细的代码和解释。
上滑加载中
推荐直播
-
极米科技的应用现代化变革之路2024/07/25 周四 14:00-16:00
极米科技CIO
作为全球智能投影行业TOP1且唯一成功上市的企业，面临严峻的市场竞争和变化，法律合规要求等挑战，极米科技如何抓住软件增值服务和粘性带来的新机遇，全面实现应用现代化。
回顾中
热门标签