- Tensorflow训练出的PB模型，若想在Ascend 310芯片上运行，需转换成OM模型，其主要转换流程包括：1. Tensorflow SaveModel转换为Tensorflow FrozenGraph；2. 利用OMG或ATC工具，将Tensorflow FrozenGraph模型转换为OM模型。 Tensorflow训练出的PB模型，若想在Ascend 310芯片上运行，需转换成OM模型，其主要转换流程包括：1. Tensorflow SaveModel转换为Tensorflow FrozenGraph；2. 利用OMG或ATC工具，将Tensorflow FrozenGraph模型转换为OM模型。
- 随着各行各业的逐步信息化，从业人员对数据检索和数据分析的需求在不断地扩大。然而，要掌握这些能力却具有一定的门槛。NL2SQL技术就是为了降低数据库表格的使用门槛而出现的一种技术，旨在将自然语言形式的查询原语转换为适用于数据库的SQL语言形式。近年来，学术界涌现出了很多基于深度学习的NL2SQL方法，其中较为经典的方法就是X-SQL，要学习NL2SQL技术，X-SQL是一种比较好的启蒙... 随着各行各业的逐步信息化，从业人员对数据检索和数据分析的需求在不断地扩大。然而，要掌握这些能力却具有一定的门槛。NL2SQL技术就是为了降低数据库表格的使用门槛而出现的一种技术，旨在将自然语言形式的查询原语转换为适用于数据库的SQL语言形式。近年来，学术界涌现出了很多基于深度学习的NL2SQL方法，其中较为经典的方法就是X-SQL，要学习NL2SQL技术，X-SQL是一种比较好的启蒙...
- 学无止境，U CANN U UP。 学无止境，U CANN U UP。
- 为什么需要编译优化当前的深度学习框架为了方便用户使用，定义的算子非常粗粒度，计算图构建的灵活性在一定程度上降低了执行效率当前的深度学习框架使用cudnn或MKL等通用算子实现，这些算子实现为了兼容多数场景无法达到极致优化当前的深度学习框架无法直接在异构框架中运行，或在异构框架下无计算优化下面以一个pytorch-3D-Resnet模型的编译优化为例，为大家简单介绍如何使用TVM进行编译优化。... 为什么需要编译优化当前的深度学习框架为了方便用户使用，定义的算子非常粗粒度，计算图构建的灵活性在一定程度上降低了执行效率当前的深度学习框架使用cudnn或MKL等通用算子实现，这些算子实现为了兼容多数场景无法达到极致优化当前的深度学习框架无法直接在异构框架中运行，或在异构框架下无计算优化下面以一个pytorch-3D-Resnet模型的编译优化为例，为大家简单介绍如何使用TVM进行编译优化。...
- 细粒度分类问题细粒度分类是指对相似的类别进行分类，比如鸟的种类、车的款式等，在这些图像中，每种类别只有细微差异。如下图是21种麻雀的数据，每一列代表一个种类，每类展示了10张，我们可以发现这些麻雀的相似度非常高。在使用常规CNN网络进行特征提取后，从这些相似图像生成的特征通常也十分相似，这时如果只是简单的使用softmax交叉熵损失函数，很难将这些相似的特征区分开。Centor-Loss为了... 细粒度分类问题细粒度分类是指对相似的类别进行分类，比如鸟的种类、车的款式等，在这些图像中，每种类别只有细微差异。如下图是21种麻雀的数据，每一列代表一个种类，每类展示了10张，我们可以发现这些麻雀的相似度非常高。在使用常规CNN网络进行特征提取后，从这些相似图像生成的特征通常也十分相似，这时如果只是简单的使用softmax交叉熵损失函数，很难将这些相似的特征区分开。Centor-Loss为了...
- 近段时间，华为 ModelArts 为开发者和用户提供了一定时长的免费计算机资源，大家可以使用这个限时免费的CPU、GPU 服务器 进行 趣味 AI 应用测试，接下来总结一下当前 华为 ModelArts 平台比较好玩，别具特色的一些应用案例 近段时间，华为 ModelArts 为开发者和用户提供了一定时长的免费计算机资源，大家可以使用这个限时免费的CPU、GPU 服务器 进行 趣味 AI 应用测试，接下来总结一下当前 华为 ModelArts 平台比较好玩，别具特色的一些应用案例
- chain model的结构chain model实际上是借鉴了CTC的思想，引入了blank用来吸收不确定的边界。但CTC只有一个blank，而chain model中每一个建模单元都有自己的blank。如下图所示：对应kaldi中的结构定义为：在kaldi中，把Sp和Sb看做同一个状态(都对应state 0)，只是pdfclass不同。ForwardPdfClass表示Sp，SelfLo... chain model的结构chain model实际上是借鉴了CTC的思想，引入了blank用来吸收不确定的边界。但CTC只有一个blank，而chain model中每一个建模单元都有自己的blank。如下图所示：对应kaldi中的结构定义为：在kaldi中，把Sp和Sb看做同一个状态(都对应state 0)，只是pdfclass不同。ForwardPdfClass表示Sp，SelfLo...
- Google提出了移动端模型MobileNet，其核心是采用了深度可分离卷积，其不仅可以降低模型计算复杂度，而且可以大大降低模型大小，适合应用在真实的移动端应用场景。这篇文章带你了解一下什么是普通卷积、分组卷积和深度分离卷积，以及如何计算参数量。上面的图片展示了普通卷积和分组卷积的不同，下面我们通过具体的例子来看。 普通卷积标准卷积运算量的计算公式：FLOPs=(2×C0×K2−1)×H×W... Google提出了移动端模型MobileNet，其核心是采用了深度可分离卷积，其不仅可以降低模型计算复杂度，而且可以大大降低模型大小，适合应用在真实的移动端应用场景。这篇文章带你了解一下什么是普通卷积、分组卷积和深度分离卷积，以及如何计算参数量。上面的图片展示了普通卷积和分组卷积的不同，下面我们通过具体的例子来看。 普通卷积标准卷积运算量的计算公式：FLOPs=(2×C0×K2−1)×H×W...
- Bert算法思路介绍 1 of N Encoding 简单的编码 Word Embedding 更复杂的embedding向量 Contextualized Word Embedding 问题一词多义同一个词（token），在不同句子中，有不同type每一个token都有一个embedding 解决方案contextualized word embedding 算法Embedding fr... Bert算法思路介绍 1 of N Encoding 简单的编码 Word Embedding 更复杂的embedding向量 Contextualized Word Embedding 问题一词多义同一个词（token），在不同句子中，有不同type每一个token都有一个embedding 解决方案contextualized word embedding 算法Embedding fr...
- 1、CenterNet2 介绍论文地址：https://arxiv.org/abs/2103.07461 GitHub地址：https://github.com/xingyizhou/CenterNet2CenterNet的原作者提出了一个概率性的两阶段检测器， 这种解释激发了强大的第一阶段的使用，该阶段学习估计对象可能性而不是最大化召回。 然后将这些可能性与来自第二阶段的分类分数相结合，... 1、CenterNet2 介绍论文地址：https://arxiv.org/abs/2103.07461 GitHub地址：https://github.com/xingyizhou/CenterNet2CenterNet的原作者提出了一个概率性的两阶段检测器， 这种解释激发了强大的第一阶段的使用，该阶段学习估计对象可能性而不是最大化召回。 然后将这些可能性与来自第二阶段的分类分数相结合，...
- 1. 介绍可以作为tensorflow、CNTK等高阶应用的接口，它本身不提供计算，偏前端。可以帮助我们进行深度模型的设计、调试、评估和可视化。为什么不直接使用tensorflow的这些功能呢？因为keras的以下特点。1.1. 用户友好极大减少用户代码量如果直接用tensorflow可能要用很多代码1.2. 模块性网络层、损失函数、优化器、正则化方法都是独立的，方便我们构建和维护1.3. ... 1. 介绍可以作为tensorflow、CNTK等高阶应用的接口，它本身不提供计算，偏前端。可以帮助我们进行深度模型的设计、调试、评估和可视化。为什么不直接使用tensorflow的这些功能呢？因为keras的以下特点。1.1. 用户友好极大减少用户代码量如果直接用tensorflow可能要用很多代码1.2. 模块性网络层、损失函数、优化器、正则化方法都是独立的，方便我们构建和维护1.3. ...
- 报错解决 报错解决
- TensorRT报错总结 TensorRT报错总结
- tensorboard 执行 tensorboard --logdir logs之后遇到的浏览器中输入http://localhost:6006 网址打不开的问题 tensorboard 执行 tensorboard --logdir logs之后遇到的浏览器中输入http://localhost:6006 网址打不开的问题
- 一文读懂 一文读懂
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
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
热门标签