- 基于昇腾用PyTorch实现传统CTR模型WideDeep网络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WideDeep网络进行训练的实战讲解，使用数据集是criteo，主要内容分为以下几个模块：推荐系统概述WideDeep网络创新点介绍WideDeep的网络架构剖析及搭建使用criteo数据集训练WideDeep网络实战 - criteo数据集介绍 - 模型... 基于昇腾用PyTorch实现传统CTR模型WideDeep网络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WideDeep网络进行训练的实战讲解，使用数据集是criteo，主要内容分为以下几个模块：推荐系统概述WideDeep网络创新点介绍WideDeep的网络架构剖析及搭建使用criteo数据集训练WideDeep网络实战 - criteo数据集介绍 - 模型...
- PyTorch 实现MobileNetV1用于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MobileNetV1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MobileNetV1模型特点介绍 、MobileNetV1网络架构剖析 与MobileNetV1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：MobileNetV1网络模型介绍Mobi... PyTorch 实现MobileNetV1用于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MobileNetV1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MobileNetV1模型特点介绍 、MobileNetV1网络架构剖析 与MobileNetV1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：MobileNetV1网络模型介绍Mobi...
- 利用 PyTorch 动态计算图和自动求导机制实现自适应神经网络 介绍PyTorch 是一个开源的深度学习框架，其核心特性之一是动态计算图（Dynamic Computation Graph）和强大的自动求导机制。这些功能使得设计和训练自适应神经网络变得简单且高效。 应用使用场景自适应学习：根据输入数据实时调整模型结构。强化学习：处理不确定环境下的策略优化。生成对抗网络（GANs）：在训练... 利用 PyTorch 动态计算图和自动求导机制实现自适应神经网络 介绍PyTorch 是一个开源的深度学习框架，其核心特性之一是动态计算图（Dynamic Computation Graph）和强大的自动求导机制。这些功能使得设计和训练自适应神经网络变得简单且高效。 应用使用场景自适应学习：根据输入数据实时调整模型结构。强化学习：处理不确定环境下的策略优化。生成对抗网络（GANs）：在训练...
- 关于在下载pytorch的GPU版本中下载.whl文件缓慢的问题环境：anaconda, windows 10, python3.8需要配置的环境：torch cuda版本问题：在下载 Downloading https://download.pytorch.org/whl/cu102/torch-1.10.1%2Bcu102-cp38-cp38-win_amd64.whl (1486.0... 关于在下载pytorch的GPU版本中下载.whl文件缓慢的问题环境：anaconda, windows 10, python3.8需要配置的环境：torch cuda版本问题：在下载 Downloading https://download.pytorch.org/whl/cu102/torch-1.10.1%2Bcu102-cp38-cp38-win_amd64.whl (1486.0...
- 前言 YOLO、SSD、Fast R-CNN等模型在目标检测方面速度较快和精度较高，但是这些模型比较大，不太适合移植到移动端或嵌入式设备；轻量级模型 NanoDet-m，对单阶段检测模型三大模块（Head、Neck、Backbone）进行轻量化，目标加检测速度很快；模型文件大小仅几兆（小于4M）。 前言 YOLO、SSD、Fast R-CNN等模型在目标检测方面速度较快和精度较高，但是这些模型比较大，不太适合移植到移动端或嵌入式设备；轻量级模型 NanoDet-m，对单阶段检测模型三大模块（Head、Neck、Backbone）进行轻量化，目标加检测速度很快；模型文件大小仅几兆（小于4M）。
- 首先呈上链接：http://pytorch123.com/PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。TensorFlow和Caffe都是命令式的编程语言，而且是静态的，首先必须构建一个神... 首先呈上链接：http://pytorch123.com/PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。TensorFlow和Caffe都是命令式的编程语言，而且是静态的，首先必须构建一个神...
- 目录 简介前言例子1：线性模型参考资料结语 简介 Hello！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭ 昵称：海轰 标签：程... 目录 简介前言例子1：线性模型参考资料结语 简介 Hello！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭ 昵称：海轰 标签：程...
- 目录 mixup数据增强： python opencv代码： pytorch分类代码： Cutmix数据增强 python opencv cutmix 分类用代码： pytorch CutMix代码 mixup数据增强： 按照0.5的比例进行混合。 python opencv代码： import c... 目录 mixup数据增强： python opencv代码： pytorch分类代码： Cutmix数据增强 python opencv cutmix 分类用代码： pytorch CutMix代码 mixup数据增强： 按照0.5的比例进行混合。 python opencv代码： import c...
- 目录 pytorch实现学习率衰减 手动修改optimizer中的lr使用lr_scheduler LambdaLR——lambda函数衰减StepLR——阶梯式衰减MultiStepLR——多阶梯式衰减ExponentialLR——指数连续衰减 CosineAnnealingLR——余弦退火衰减Reduce... 目录 pytorch实现学习率衰减 手动修改optimizer中的lr使用lr_scheduler LambdaLR——lambda函数衰减StepLR——阶梯式衰减MultiStepLR——多阶梯式衰减ExponentialLR——指数连续衰减 CosineAnnealingLR——余弦退火衰减Reduce...
- 目录 简介torch.nn.LeakyReLU()语法作用举例参考 结语 简介 Hello！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(... 目录 简介torch.nn.LeakyReLU()语法作用举例参考 结语 简介 Hello！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(...
- 文章目录 版本选择Python安装Anaconda安装PyTorch安装PyCham测试 本文主要参考PyTorch文档 版本选择 不同操作系统，不同语言，不同包管理器安装PyT... 文章目录 版本选择Python安装Anaconda安装PyTorch安装PyCham测试 本文主要参考PyTorch文档 版本选择 不同操作系统，不同语言，不同包管理器安装PyT...
- tf serving部署 转onnx再pb再tf serving使用 a、转onnx import torchimport torchvisionimport torch.onnximport torch.nn as nnimport clip device = "cpu"model, preprocess = clip.l... tf serving部署 转onnx再pb再tf serving使用 a、转onnx import torchimport torchvisionimport torch.onnximport torch.nn as nnimport clip device = "cpu"model, preprocess = clip.l...
- 目录 简介torch.Tensor.view()语法作用举例参考 结语 简介 Hello！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭... 目录 简介torch.Tensor.view()语法作用举例参考 结语 简介 Hello！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭...
- 目录 简介torch.nn.init.xavier_uniform_()语法作用举例参考 结语 简介 Hello！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出... 目录 简介torch.nn.init.xavier_uniform_()语法作用举例参考 结语 简介 Hello！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出...
- 目录 简介torch.matmul()语法作用举例情形1: 一维 * 一维情形2: 二维 * 二维情形3: 一维 * 二维情形4: 二维 * 一维情形5：两个参数至少为一维且至少一个参数为 N 维... 目录 简介torch.matmul()语法作用举例情形1: 一维 * 一维情形2: 二维 * 二维情形3: 一维 * 二维情形4: 二维 * 一维情形5：两个参数至少为一维且至少一个参数为 N 维...
上滑加载中
推荐直播
-
探秘仓颉编程语言：华为开发者空间的创新利器2025/02/22 周六 15:00-16:30
华为云讲师团
本期直播将与您一起探秘颉编程语言上线华为开发者空间后，显著提升开发效率，在智能化开发支持、全场景跨平台适配能力、工具链与生态完备性、语言简洁与高性能特性等方面展现出的独特优势。直播看点： 1.java转仓颉的小工具 2.仓颉动画三方库lottie 3.开发者空间介绍及如何在空间用仓颉编程语言开发
回顾中 -
大模型Prompt工程深度实践2025/02/24 周一 16:00-17:30
盖伦 华为云学堂技术讲师
如何让大模型精准理解开发需求并生成可靠输出？本期直播聚焦大模型Prompt工程核心技术：理解大模型推理基础原理，关键采样参数定义，提示词撰写关键策略及Prompt工程技巧分享。
去报名 -
华为云 x DeepSeek：AI驱动云上应用创新2025/02/26 周三 16:00-18:00
华为云 AI专家大咖团
在 AI 技术飞速发展之际，DeepSeek 备受关注。它凭借哪些技术与理念脱颖而出？华为云与 DeepSeek 合作，将如何重塑产品与应用模式，助力企业数字化转型？在华为开发者空间，怎样高效部署 DeepSeek，搭建专属服务器？基于华为云平台，又该如何挖掘 DeepSeek 潜力，实现智能化升级？本期直播围绕DeepSeek在云上的应用案例，与DTSE布道师们一起探讨如何利用AI 驱动云上应用创新。
去报名
热门标签