- 昇腾AI全栈架构Atlas 系列硬件NPU介绍CANN AI异构计算架构Pytorch 适配昇腾AI处理器方案Pytorch 模型迁移介绍自动迁移手工迁移手工迁移——step2单卡模型迁移手工迁移——Step3多卡模型迁移手工迁移——Extra报错排查Demo获取&运行学习资源推荐AscendCL快速入门AscendCL概述AscendCL功能介绍AscendCL基础概念解析应用开发流程样例... 昇腾AI全栈架构Atlas 系列硬件NPU介绍CANN AI异构计算架构Pytorch 适配昇腾AI处理器方案Pytorch 模型迁移介绍自动迁移手工迁移手工迁移——step2单卡模型迁移手工迁移——Step3多卡模型迁移手工迁移——Extra报错排查Demo获取&运行学习资源推荐AscendCL快速入门AscendCL概述AscendCL功能介绍AscendCL基础概念解析应用开发流程样例...
- NNIE 是Neural Network Inference Engine 的简称，是海思媒体 SoC 中专门针对神经网络特别是深度学习卷积神经网络进行加速处理的硬件单元，可以理解为 CNN 加速器。 NNIE 是Neural Network Inference Engine 的简称，是海思媒体 SoC 中专门针对神经网络特别是深度学习卷积神经网络进行加速处理的硬件单元，可以理解为 CNN 加速器。
- 人脸关键点检测指的是用于标定人脸五官和轮廓位置的一系列特征点的检测，是对于人脸形状的稀疏表示。关键点的精确定位可以为后续应用提供十分丰富的信息。因此，人脸关键点检测是人脸分析领域的基础技术之一。许多应用场景(如人脸识别、人脸三维重塑、表情分析等)均将人脸关键点检测作为其前序步骤来实现。本文将通过深度学习的方法来搭建一个人脸关键点检测模型。 1995年，Cootes提出 ASM(active sha 人脸关键点检测指的是用于标定人脸五官和轮廓位置的一系列特征点的检测，是对于人脸形状的稀疏表示。关键点的精确定位可以为后续应用提供十分丰富的信息。因此，人脸关键点检测是人脸分析领域的基础技术之一。许多应用场景(如人脸识别、人脸三维重塑、表情分析等)均将人脸关键点检测作为其前序步骤来实现。本文将通过深度学习的方法来搭建一个人脸关键点检测模型。 1995年，Cootes提出 ASM(active sha
- 所谓模型剪枝，其实是一种从神经网络中移除"不必要"权重或偏差（weigths/bias）的模型压缩技术。本文深入描述了 pytorch 框架的几种剪枝 API，包括函数功能和参数定义，并给出示例代码。 所谓模型剪枝，其实是一种从神经网络中移除"不必要"权重或偏差（weigths/bias）的模型压缩技术。本文深入描述了 pytorch 框架的几种剪枝 API，包括函数功能和参数定义，并给出示例代码。
- 首先所谓过拟合，指的是一个模型过于复杂之后，它可以很好地“记忆”每一个训练数据中随机噪音的部分而忘记了去“训练”数据中的通用趋势。训练好后的模型过拟合具体表现在：模型在训练数据上损失函数较小，预测准确率较高；但是在测试数据上损失函数比较大，预测准确率较低。 首先所谓过拟合，指的是一个模型过于复杂之后，它可以很好地“记忆”每一个训练数据中随机噪音的部分而忘记了去“训练”数据中的通用趋势。训练好后的模型过拟合具体表现在：模型在训练数据上损失函数较小，预测准确率较高；但是在测试数据上损失函数比较大，预测准确率较低。
- 内容包含深度学习算法常见的面试题。在只有一个通道的情况下，“卷积核”（“kernel”）就相当于滤波器（“filter”），这两个概念是可以互换的。一个 “Kernel” 更倾向于是 2D 的权重矩阵。而 “filter” 则是指多个 kernel 堆叠的 3D 结构。如果是一个 2D 的 filter，那么两者就是一样的。 内容包含深度学习算法常见的面试题。在只有一个通道的情况下，“卷积核”（“kernel”）就相当于滤波器（“filter”），这两个概念是可以互换的。一个 “Kernel” 更倾向于是 2D 的权重矩阵。而 “filter” 则是指多个 kernel 堆叠的 3D 结构。如果是一个 2D 的 filter，那么两者就是一样的。
- Pytorch 中，张量的操作分为结构操作和数学运算，其理解就如字面意思。结构操作就是改变张量本身的结构，数学运算就是对张量的元素值完成数学运算。 Pytorch 中，张量的操作分为结构操作和数学运算，其理解就如字面意思。结构操作就是改变张量本身的结构，数学运算就是对张量的元素值完成数学运算。
- torch.Tensor 是一种包含单一数据类型元素的多维矩阵，类似于 numpy 的 array。 可以使用使用 torch.tensor() 方法将 python 的 list 或序列数据转换成 Tensor 数据，生成的是dtype 默认是 torch.FloatTensor。 torch.Tensor 是一种包含单一数据类型元素的多维矩阵，类似于 numpy 的 array。 可以使用使用 torch.tensor() 方法将 python 的 list 或序列数据转换成 Tensor 数据，生成的是dtype 默认是 torch.FloatTensor。
- 安装虚拟机和Ubuntu18.04环境这两步比较简单，所以略了。虚拟机的配置需要注意硬盘空间大一点，至少40G。 安装sdk-managerNVIDIA SDK Manager下载地址：https://developer.nvidia.com/drive/sdk-managersudo dpkg -i sdkmanager_1.9.0-10816_amd64.deb直接执行会报缺少依赖的问... 安装虚拟机和Ubuntu18.04环境这两步比较简单，所以略了。虚拟机的配置需要注意硬盘空间大一点，至少40G。 安装sdk-managerNVIDIA SDK Manager下载地址：https://developer.nvidia.com/drive/sdk-managersudo dpkg -i sdkmanager_1.9.0-10816_amd64.deb直接执行会报缺少依赖的问...
- 原文链接 1.必要的 PyTorch 背景PyTorch 是一个建立在 Torch 库之上的 Python 包，旨在加速深度学习应用。PyTorch 提供一种类似 NumPy 的抽象方法来表征张量（或多维数组），它可以利用 GPU 来加速训练。 1.1 PyTorch 张量PyTorch 的关键数据结构是张量，即多维数组。其功能与 NumPy 的 ndarray 对象类似，如下我们可以使用 ... 原文链接 1.必要的 PyTorch 背景PyTorch 是一个建立在 Torch 库之上的 Python 包，旨在加速深度学习应用。PyTorch 提供一种类似 NumPy 的抽象方法来表征张量（或多维数组），它可以利用 GPU 来加速训练。 1.1 PyTorch 张量PyTorch 的关键数据结构是张量，即多维数组。其功能与 NumPy 的 ndarray 对象类似，如下我们可以使用 ...
- 模型迁移手册地址：https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/600alpha002/ptmoddevg/ptmigr/ptmigr_000009.html主要修改： 导入相关库import torchimport torch_npu #1.8.1及以上需要 指定NPU设备 通过device()指定原始... 模型迁移手册地址：https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/600alpha002/ptmoddevg/ptmigr/ptmigr_000009.html主要修改： 导入相关库import torchimport torch_npu #1.8.1及以上需要 指定NPU设备 通过device()指定原始...
- 博主想拿官网的yolov5训练好pt模型，然后转换成rknn模型，然后在瑞芯微开发板上调用模型检测。但是官网的版本对npu不友好，所以采用改进结构的版本：将Focus层改成Conv层将Swish激活函数改成Relu激活函数自带的预训练模型是预测80类CoCo数据集的yolov5s改进结构，下面就带大家一起转换模型！1、首先部署好yolov5的环境，保证可以运行detect.py进行检测，将自... 博主想拿官网的yolov5训练好pt模型，然后转换成rknn模型，然后在瑞芯微开发板上调用模型检测。但是官网的版本对npu不友好，所以采用改进结构的版本：将Focus层改成Conv层将Swish激活函数改成Relu激活函数自带的预训练模型是预测80类CoCo数据集的yolov5s改进结构，下面就带大家一起转换模型！1、首先部署好yolov5的环境，保证可以运行detect.py进行检测，将自...
- PyTorch进阶训练技巧 1.自定义损失函数 1.1 以函数方式定义事实上，损失函数仅仅是一个函数而已，因此我们可以通过直接以函数定义的方式定义一个自己的函数，如下所示：def my_loss(output, target): loss = torch.mean((output - target)**2) return loss 1.2 以类方式定义虽然以函数定义的方式很简单... PyTorch进阶训练技巧 1.自定义损失函数 1.1 以函数方式定义事实上，损失函数仅仅是一个函数而已，因此我们可以通过直接以函数定义的方式定义一个自己的函数，如下所示：def my_loss(output, target): loss = torch.mean((output - target)**2) return loss 1.2 以类方式定义虽然以函数定义的方式很简单...
- 基础实战——FashionMNIST时装分类经过前面三章内容的学习，我们完成了以下的内容：对PyTorch有了初步的认识学会了如何安装PyTorch以及对应的编程环境学习了PyTorch最核心的理论基础（张量&自动求导）梳理了利用PyTorch完成深度学习的主要步骤和对应实现方式现在，我们通过一个基础实战案例，将第一部分所涉及的PyTorch入门知识串起来，便于大家加深理解。同时为后续的进... 基础实战——FashionMNIST时装分类经过前面三章内容的学习，我们完成了以下的内容：对PyTorch有了初步的认识学会了如何安装PyTorch以及对应的编程环境学习了PyTorch最核心的理论基础（张量&自动求导）梳理了利用PyTorch完成深度学习的主要步骤和对应实现方式现在，我们通过一个基础实战案例，将第一部分所涉及的PyTorch入门知识串起来，便于大家加深理解。同时为后续的进...
- 一、环境简介PyTorch是由Facebook人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库，目前被广泛应用于学术界和工业界，而随着Caffe2项目并入Pytorch， Pytorch开始影响到TensorFlow在深度学习应用框架领域的地位。 二、miniconda下pytorch相关环境配置 1.pytorch安装直接参考课件即可，离线安装较好。 ... 一、环境简介PyTorch是由Facebook人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库，目前被广泛应用于学术界和工业界，而随着Caffe2项目并入Pytorch， Pytorch开始影响到TensorFlow在深度学习应用框架领域的地位。 二、miniconda下pytorch相关环境配置 1.pytorch安装直接参考课件即可，离线安装较好。 ...
上滑加载中
推荐直播
-
-
华为开发者空间玩转DeepSeek2025/03/13 周四 19:00-20:30
马欣 山东商业职业技术学院云计算专业讲师，山东大学、山东建筑大学等多所本科学校学生校外指导老师
同学们，想知道如何利用华为开发者空间部署自己的DeepSeek模型吗？想了解如何用DeepSeek在云主机上探索好玩的应用吗？想探讨如何利用DeepSeek在自己的专有云主机上辅助编程吗？让我们来一场云和AI的盛宴。
回顾中 -
华为云Metastudio×DeepSeek与RAG检索优化分享2025/03/14 周五 16:00-17:30
大海 华为云学堂技术讲师 Cocl 华为云学堂技术讲师
本次直播将带来DeepSeek数字人解决方案，以及如何使用Embedding与Rerank实现检索优化实践，为开发者与企业提供参考，助力场景落地。
去报名
热门标签