- 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...
- 全文给出三种模型的代码示例，以GraphSage为例主要讲解 GraphSage因为昇腾暂时还不支持PyG的torch_scatter,torch_sparse等加速库，所以还不能使用mini-batch方式训练GNN，此处都是in-memory的全图训练方式。首先构建一个GraphSAGE网络以下代码是一个两层的GraphSAGE网络，利用PyG提供的SAGEConv进行构建。class ... 全文给出三种模型的代码示例，以GraphSage为例主要讲解 GraphSage因为昇腾暂时还不支持PyG的torch_scatter,torch_sparse等加速库，所以还不能使用mini-batch方式训练GNN，此处都是in-memory的全图训练方式。首先构建一个GraphSAGE网络以下代码是一个两层的GraphSAGE网络，利用PyG提供的SAGEConv进行构建。class ...
- 前置需求安装torch,torch_npu,参考 安装torch_npu 安装PyGpip install torch_geometric 数据集下载修改PyG 源码url参考：https://blog.csdn.net/PolarisRisingWar/article/details/116399648 前置需求安装torch,torch_npu,参考 安装torch_npu 安装PyGpip install torch_geometric 数据集下载修改PyG 源码url参考：https://blog.csdn.net/PolarisRisingWar/article/details/116399648
- 环境昊算平台910b NPUdocker容器 下载中心Ascend/pytorch安装torch_npu插件-安装步骤-配置与安装-开发文档-昇腾社区 安装流程查阅所需的对应版本PyTorch Extension版本号采用{PyTorch版本}-{昇腾版本}命名规则，前者为PyTorch Extension匹配的PyTorch版本，后者用于匹配CANN版本，详细匹配如下：CANN版本支持的... 环境昊算平台910b NPUdocker容器 下载中心Ascend/pytorch安装torch_npu插件-安装步骤-配置与安装-开发文档-昇腾社区 安装流程查阅所需的对应版本PyTorch Extension版本号采用{PyTorch版本}-{昇腾版本}命名规则，前者为PyTorch Extension匹配的PyTorch版本，后者用于匹配CANN版本，详细匹配如下：CANN版本支持的...
- 从零实现基于扩散模型的文本到视频生成系统：技术详解与Pytorch代码实现 介绍近年来，生成式模型在计算机视觉领域取得了显著进展。特别是扩散模型，作为一种新兴的生成性模型架构，已经被证明在图像和视频生成任务中具有很高的性能。本篇文章将详细探讨如何从零开始使用扩散模型构建一个文本到视频生成系统。 引言随着深度学习技术的不断发展，生成模型逐渐从生成静态图像扩展到生成动态视频。通过将文本描述转化... 从零实现基于扩散模型的文本到视频生成系统：技术详解与Pytorch代码实现 介绍近年来，生成式模型在计算机视觉领域取得了显著进展。特别是扩散模型，作为一种新兴的生成性模型架构，已经被证明在图像和视频生成任务中具有很高的性能。本篇文章将详细探讨如何从零开始使用扩散模型构建一个文本到视频生成系统。 引言随着深度学习技术的不断发展，生成模型逐渐从生成静态图像扩展到生成动态视频。通过将文本描述转化...
- 一、华为Ascend 310B与PyTorch兼容性1. 硬件与软件支持华为Ascend 310B是一款专为AI推理设计的高能效、高集成度的AI处理器，主要用于边缘计算场景。虽然Ascend 310B本身没有直接运行PyTorch的原生能力，但借助华为的异构计算架构（CANN）和相关工具，用户可以在Ascend 310B上运行PyTorch模型。2. 模型转换与环境配置在Ascend 310... 一、华为Ascend 310B与PyTorch兼容性1. 硬件与软件支持华为Ascend 310B是一款专为AI推理设计的高能效、高集成度的AI处理器，主要用于边缘计算场景。虽然Ascend 310B本身没有直接运行PyTorch的原生能力，但借助华为的异构计算架构（CANN）和相关工具，用户可以在Ascend 310B上运行PyTorch模型。2. 模型转换与环境配置在Ascend 310...
- PyTorch：循环神经网络——RNN模型 引言循环神经网络（RNN）是一种专门用于处理序列数据的神经网络，由于其记忆前一状态信息的能力，广泛应用于自然语言处理、时间序列预测等领域。本文将介绍如何使用 PyTorch 构建和训练一个简单的 RNN 模型。 技术背景 什么是 RNN？RNN 是一种能够处理序列数据的神经网络，其隐藏层具有循环连接，允许信息在当前输入和前一个时刻的状态之间进行传... PyTorch：循环神经网络——RNN模型 引言循环神经网络（RNN）是一种专门用于处理序列数据的神经网络，由于其记忆前一状态信息的能力，广泛应用于自然语言处理、时间序列预测等领域。本文将介绍如何使用 PyTorch 构建和训练一个简单的 RNN 模型。 技术背景 什么是 RNN？RNN 是一种能够处理序列数据的神经网络，其隐藏层具有循环连接，允许信息在当前输入和前一个时刻的状态之间进行传...
- 1 Pytorch的compile技术PyTorch 的 torch.compile 是一个强大的功能，用于优化 PyTorch 模型的性能。它通过将 PyTorch 的动态图转换为静态图，并利用 Just-In-Time（JIT）编译技术，显著提高模型的推理速度和训练效率。 1.1 PyTorch torch.compile 的作用torch.compile 是 PyTorch 的一个实... 1 Pytorch的compile技术PyTorch 的 torch.compile 是一个强大的功能，用于优化 PyTorch 模型的性能。它通过将 PyTorch 的动态图转换为静态图，并利用 Just-In-Time（JIT）编译技术，显著提高模型的推理速度和训练效率。 1.1 PyTorch torch.compile 的作用torch.compile 是 PyTorch 的一个实...
- 时序预测 | 改进图卷积+informer时间序列预测，pytorch架构 时序预测 | 改进图卷积+informer时间序列预测，pytorch架构
- Python深度学习环境配置（Pytorch、CUDA、cuDNN）介绍Python深度学习环境配置通常包括安装PyTorch、CUDA和cuDNN。PyTorch是一个流行的深度学习框架，由Facebook开源，支持GPU加速。CUDA是NVIDIA开发的并行计算平台和编程模型，而cuDNN则是NVIDIA为深度学习设计的加速库。这三者的结合可以显著提升深度学习模型的训练和推理速度。应用使... Python深度学习环境配置（Pytorch、CUDA、cuDNN）介绍Python深度学习环境配置通常包括安装PyTorch、CUDA和cuDNN。PyTorch是一个流行的深度学习框架，由Facebook开源，支持GPU加速。CUDA是NVIDIA开发的并行计算平台和编程模型，而cuDNN则是NVIDIA为深度学习设计的加速库。这三者的结合可以显著提升深度学习模型的训练和推理速度。应用使...
- Batch Normalization (BN) 和 Synchronized Batch Normalization (SyncBN) 的区别 介绍Batch Normalization (BN) 是一种用于加速深度神经网络训练的技术，通过对每个小批次数据计算均值和方差来标准化输入，缓解梯度消失和爆炸的问题。Synchronized Batch Normalization (SyncBN... Batch Normalization (BN) 和 Synchronized Batch Normalization (SyncBN) 的区别 介绍Batch Normalization (BN) 是一种用于加速深度神经网络训练的技术，通过对每个小批次数据计算均值和方差来标准化输入，缓解梯度消失和爆炸的问题。Synchronized Batch Normalization (SyncBN...
- 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...
- PyTorch 实现GoogleNet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GoogleNet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GoogleNet模型创新点介绍 、GoogleNet网络架构剖析 与GoogleNet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：GoogleNet网络模型创新点介绍GoogleNet的网络... PyTorch 实现GoogleNet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GoogleNet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GoogleNet模型创新点介绍 、GoogleNet网络架构剖析 与GoogleNet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：GoogleNet网络模型创新点介绍GoogleNet的网络...
- PyTorch 实现 Alexnet图像分类本文主要介绍了如何在昇腾上，使用pytorch对经典的Alexnet小模型在公开的CIFAR10数据集进行分类训练的实战讲解。内容包括Alexnet网络模型创新点介绍 、Alexnet的网络架构剖析 与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：Alexnet网络模型创新点介绍Alexnet的网络架构剖析网络模型代码实战分析 Alexn... PyTorch 实现 Alexnet图像分类本文主要介绍了如何在昇腾上，使用pytorch对经典的Alexnet小模型在公开的CIFAR10数据集进行分类训练的实战讲解。内容包括Alexnet网络模型创新点介绍 、Alexnet的网络架构剖析 与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：Alexnet网络模型创新点介绍Alexnet的网络架构剖析网络模型代码实战分析 Alexn...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签