😀前言 在编程问题中，处理字符串是一个常见的挑战，其中有一个经典问题就是寻找字符串中最长不含重复字符的子字符串。该问题的目的是在给定的字符串中，找到一个没有重复字符的子字符串，并返回其长度。🥰最长不含重复字符的子字符串牛客网😊题目描述我们需要解决的是：给定一个只包含小写字母（a~z）的字符串，找出其最长的不含重复字符的子字符串的长度。例如，对于输入字符串 arabcacfr，其中最长的不含重复字符的子字符串是 acfr，其长度为4。😉解题思路解决这个问题最简单的思路是使用暴力法：遍历字符串的所有子字符串，检查每个子字符串是否包含重复字符，记录没有重复字符的最长子字符串的长度。然而，这种方法效率较低，尤其是在处理大规模字符串时，时间复杂度可能会达到 O(n²)，因此我们需要一种更高效的方案。高效的方法可以通过滑动窗口和哈希表来优化，我们只需线性遍历字符串一次即可解决问题，时间复杂度为 O(n)。下面的 Java 代码实现了这个思路。😁Java代码实现public int longestSubStringWithoutDuplication(String str) { int curLen = 0; // 当前不含重复字符的子字符串长度 int maxLen = 0; // 目前找到的最长子字符串长度 int[] preIndexs = new int[26]; // 记录字符上一次出现的位置 Arrays.fill(preIndexs, -1); // 初始化字符的上次出现位置为 -1 for (int curI = 0; curI < str.length(); curI++) { int c = str.charAt(curI) - 'a'; // 将字符映射到 0 ~ 25 的整数 int preI = preIndexs[c]; // 获取该字符上次出现的位置 if (preI == -1 || curI - preI > curLen) { // 如果字符第一次出现或者在当前子字符串之外，更新当前长度 curLen++; } else { // 如果字符在当前子字符串内出现过，更新最长长度，并从重复字符之后开始新子字符串 maxLen = Math.max(maxLen, curLen); curLen = curI - preI; } preIndexs[c] = curI; // 更新字符上次出现的位置 } maxLen = Math.max(maxLen, curLen); // 确保结束时记录到最长长度 return maxLen; }代码详解变量定义：curLen: 当前不含重复字符的子字符串长度。maxLen: 记录到目前为止，最长的不含重复字符子字符串的长度。preIndexs: 一个大小为26的数组，用来存储每个字符上次出现在字符串中的位置。由于字符串只包含a~z的字符，因此数组长度为26，preIndexs[i]对应第i个字母（a对应0，b对应1，以此类推）。初始化：将 preIndexs 数组的所有元素初始化为 -1，表示每个字符一开始都没有出现过。遍历字符串：遍历字符串的每个字符，获取其在 preIndexs 中记录的上一次出现的位置 preI。如果该字符第一次出现，或者它的上一次出现位置在当前子字符串之外（即 curI - preI > curLen），说明当前字符没有重复，当前子字符串的长度 curLen 增加1。如果该字符在当前子字符串内出现过（即 curI - preI <= curLen），则更新 maxLen，并将当前子字符串重新设置为从重复字符的下一个位置开始，长度为 curI - preI。更新位置：每次遍历字符时，将其在 preIndexs 中的位置更新为当前下标。返回结果：遍历完字符串后，再次更新 maxLen，确保返回值是最终的最长子字符串长度。解题思路总结这个算法的核心思想是用滑动窗口的方法动态维护一个不含重复字符的子字符串，并通过记录每个字符的上一次出现位置，避免了重复字符的出现。这样我们就能在一次遍历中找到最长的不含重复字符的子字符串，时间复杂度为 O(n)，空间复杂度为 O(1)。💝算法复杂度分析时间复杂度：每个字符只会被访问两次（一次是进入窗口，一次是离开窗口），因此时间复杂度为 O(n)，其中 n 是字符串的长度。空间复杂度：由于只需要一个长度为 26 的数组来存储字符出现的位置，空间复杂度为 O(1)。💖实际应用场景这种问题在实际开发中非常常见。例如：在文本处理系统中，我们可能需要查找一段不含重复字符的文本片段，以进行进一步的分析。在数据分析中，类似的思路可以用来寻找交易记录中的最长不重复行为序列。在爬虫等系统中，处理不同网页路径的去重问题时，字符串处理的高效算法也至关重要。😄总结求解最长不含重复字符的子字符串的问题，关键在于使用滑动窗口技术和哈希表来跟踪字符的最近出现位置，避免重复字符的出现，从而实现高效的解决方案。通过一次遍历，我们能够找到字符串中最长的不含重复字符的子字符串，并返回其长度。这种方法不仅减少了时间复杂度到 O(n)，而且代码结构简洁，易于理解和实现。滑动窗口的思想广泛应用于各种字符串处理问题中，不仅限于这道题目，还可以拓展到其他场景。在实际应用中，处理字符串、文本或序列中的重复字符问题非常常见，无论是数据清理、爬虫去重还是用户行为分析，掌握这类高效的算法对于开发和优化系统具有重要意义。通过这道题，我们也可以更好地理解如何通过空间换时间的技巧来优化算法的性能，并学会利用数组或哈希表等工具来记录状态信息，使得问题可以在线性时间内高效解决。

ImportError: cannot import name 'weight_init' from 'timm.models.layers' (F:\anaconda\envs\zkyolov8\lib\site-packages\timm\models\layers\__init__.py)这种报错怎么解决呀？谢谢

大佬们这是为啥呢，意思还得重新手动编译opencv库吗？

【问题来源】            重庆银行（易云）【问题简要】            IVR以GSL的方式开发，只放音不收号的cell需要使用哪个cell怎么配置【问题类别】【必填】    IVR-GSL【AICC解决方案版本】【必填】      AICC可选择版本：AICC 23.200    【UAP可选择版本：V300R001C02SPC109】    【CTI可选择版本：V300R008C25SPC019】【期望解决时间】      尽快【问题现象描述】【必填】         IVR以GSL的方式开发，只放音不收号（也就是放音的时候不被打断）的cell需要使用哪个cell怎么配置

系统为ubuntu18.04.6 arm架构、版卡为atlas200，芯片为310，cann版本已升级为最新版本6.0.1、驱动为21.0.2，RC模式npu-smi infopytorch的模型转onnx，用atc工具将onnx转成om模型，atc --model=./model.onnx --framework=5 --output=./model --soc_version=Ascend310报错trans_cast算子转换失败，如下：​​​​​​​

在将segformer-b0算法模型转OM后，在MDC300F MINI上推理耗时1000ms。ONNX中MatMul算子的输入数据的shape带batch维度，将算子的type类型更改为 BatchMatMul后，转OM时，发现MatMul算子前后各出现一个trans_TransData算子。通过profiling计算算子耗时，发现TransposeD、ArgMaxD、TransData、SoftmaxV2、BatchMatMul占用大量的推理时间。请问如何避免带batch维度的MatMul产生TransData算子？针对现在算子耗时，有什么优化的方法吗？

import mindspore from  mindspore import nn from mindspore import common from mindspore import Model import mindspore.dataset as ds from mindspore import context import matplotlib.pyplot as plt import mindspore.dataset.vision.c_transforms as CV from mindspore import dtype as mstype import numpy as np from mindspore.common.initializer import Normal from mindspore.train.callback import ModelCheckpoint,CheckpointConfig from mindspore.nn.metrics import Accuracy import mindspore.ops as ops from mindspore.train.callback import LossMonitorcontext.set_context(mode=context.PYNATIVE_MODE,device_target='CPU') #上下文处理#数据预处理def create_dataset(datasets_dir,batch_size,training=False):     datasets = ds.ImageFolderDataset(dataset_dir=datasets_dir,shuffle=True, class_indexing={         'ants':0, 'bees':1     })      image_size =64     mean = [0.485*255, 0.456*255, 0.406*255] #平均值     std = [0.229*255, 0.224*255, 0.225*255]  # 方差     if training:         # 训练模式下的数据预处理操作         trans = [             CV.RandomCropDecodeResize(image_size, scale=(0.08, 1.0), ratio=(0.75, 1.333)),  # 随机裁剪、解码和调整大小             CV.RandomHorizontalFlip(prob=0.5),  # 以 50% 的概率进行水平翻转             CV.Normalize(mean, std),  # 标准化图像             CV.HWC2CHW()  # 将图像从 HWC 格式转换为 CHW 格式         ]     else:         # 验证模式下的数据预处理操作         trans = [             CV.RandomCropDecodeResize(image_size, scale=(0.08, 1.0), ratio=(0.75, 1.333)),  # 随机裁剪、解码和调整大小             CV.RandomHorizontalFlip(prob=0.5),  # 以 50% 的概率进行水平翻转             CV.Normalize(mean, std),  # 标准化图像             CV.HWC2CHW()  # 将图像从 HWC 格式转换为 CHW 格式         ]     datasets=datasets.map(operations=trans,input_columns='image')     datasets=datasets.batch(batch_size,drop_remainder=True)     datasets=datasets.repeat(3)     if training:         data = next(datasets.create_dict_iterator())         images = data['image']         print(images.shape)         labels = data['label']         print('Tensor of image',images.shape)         print('Labels:',labels)         class_name = {0:'ants',1:'bees'}         plt.figure(figsize=(18,7))         for i in range(len(labels)):             data_image = images[i].asnumpy()             # print(data_image.shape)             data_label = labels[i]             data_image = np.transpose(data_image,(1,2,0)) #（3，224，224）转为(224,224,3)             mean =np.array([0.485,0.456,0.406])             std = np.array([0.229,0.224,0.225])             data_iamge = std *data_image+mean #标准化操作。             data_image = np.clip(data_image,0,1) #这个操作是为了确保图像数据的像素值范围正确。             plt.subplot(3,6,i+1)             plt.imshow(data_image)             plt.title(class_name[int(labels[i].asnumpy())])             plt.axis('off') #用于禁止绘制图像时显示坐标轴         plt.show()     ds.config.set_seed(58) return datasets#数据集的路径train_dir = './datasets/hymenoptera_data/train' test_dir = './datasets/hymenoptera_data/val'#生成数据集train_dataset=create_dataset(datasets_dir=train_dir,batch_size=10,training=True) test_dataset=create_dataset(datasets_dir=test_dir,batch_size=10)#网络搭建class MyNetwork(nn.Cell):     def __init__(self):         super(MyNetwork, self).__init__()         self.conv1 = nn.Conv2d(3, 32, kernel_size=2,pad_mode='valid')         self.pool1 = nn.MaxPool2d(kernel_size=2, stride=2)         self.conv2 = nn.Conv2d(32, 64, kernel_size=2,pad_mode='valid')         self.pool2 = nn.MaxPool2d(kernel_size=2, stride=2)         self.conv3 = nn.Conv2d(64,128,kernel_size=2,pad_mode='valid')         self.pool3 = nn.MaxPool2d(kernel_size=2, stride=2)         self.flatten = nn.Flatten()         self.fc1 = nn.Dense(6272,512,weight_init=Normal(0.02))         self.fc2 = nn.Dense(512,256,weight_init=Normal(0.02))         self.fc3 = nn.Dense(256,128,weight_init=Normal(0.02))         self.fc4 = nn.Dense(128,2,weight_init=Normal(0.02))         self.relu = nn.ReLU()              def construct(self, x):         x = ops.Cast()(x, mstype.float32)         x = self.conv1(x)         x = self.relu(x)         x = self.pool1(x)         x = self.conv2(x)         x = self.relu(x)         x = self.pool2(x)         x = self.conv3(x)         x = self.relu(x)         x = self.pool3(x)         x = self.flatten(x)         x = self.fc1(x)         x = self.relu(x)         x = self.fc2(x)         x = self.relu(x)         x = self.fc3(x)         x = self.relu(x)         x = self.fc4(x)         return x #网络调用和模型训练net = MyNetwork() loss_fn = nn.SoftmaxCrossEntropyWithLogits(sparse=True,reduction='mean')#定义损失函数 optimizer = nn.SGD(net.trainable_params(),learning_rate=1e-1) #定义优化器 config_ck = CheckpointConfig(save_checkpoint_steps=100, keep_checkpoint_max=10)#配置检查点的保存参数 ckpoint_cb = ModelCheckpoint(prefix="checkpoint", directory="./checkpoints", config=config_ck)#训练过程中保存模型的检查点 loss_cb = LossMonitor(per_print_times=1000)metrics = {'Accuracy':Accuracy()} #定义准确率 epoch = 20#训练轮次 model = Model(net,loss_fn,optimizer,metrics)#模型定义 print("============== 开始训练 ==============") bast_accuracy=0.0 for i in range(epoch):     model.train(epoch=epoch,train_dataset=train_dataset,callbacks=[ckpoint_cb,loss_cb])#模型训练     metrics = model.eval(test_dataset)     test_accuracy = metrics['Accuracy']     print(f'第{i + 1}轮训练后，测试集准确率: {test_accuracy}')          if test_accuracy>=0.80:          print(f'准确率达到 {test_accuracy}，退出训练。')          break     if test_accuracy>bast_accuracy:          bast_accuracy=test_accuracy          mindspore.save_checkpoint(net, "model.ckpt")          print("Saved Model to model.ckpt")  print('准确度为：',bast_accuracy) 这是一个分类模型，用的是自己设计的卷积神经网络，数据是一个二分类的，现在这个模型只能跑到0.70，无法达到老师要求的0.90以上，我想知道怎么调优，大佬是怎么设计网络结构的

一、模型在线部署深度学习和计算机视觉方向除了算法训练/研究，还有两个重要的方向: 模型压缩（模型优化、量化）、模型部署（模型转换、后端功能SDK开发）。所谓模型部署，即将算法研究员训练出的模型部署到具体的端边云芯片平台上，并完成特定业务的视频结构化应用开发。现阶段的平台主要分为云平台（如英伟达 GPU）、手机移动端平台（ARM 系列芯片）和其他嵌入式端侧平台（海思 3519、安霸 CV22、地平线 X3、英伟达 jetson tx2 等芯片）。对于模型部署/移植/优化工程师来说，虽然模型优化、量化等是更有挑战性和技术性的知识，但是对于新手的我们往往是在做解决模型无法在端侧部署的问题，包括但不限于：实现新 OP、修改不兼容的属性、修改不兼容的权重形状、学习不同芯片平台的推理部署框架等。对于模型转换来说，现在行业主流是使用 Caffe 和 ONNX 模型作为中间模型。1.1，深度学习项目开发流程在高校做深度学习 demo 应用一般是这样一个过程，比如使用 Pytorch/TensorFlow 框架训练出一个模型，然后直接使用 Pytorch 框架做推理（test）完成功能验证，但是在工业界这是不可能的，因为这样模型推理速度很慢，一般我们必须有专门的深度学习推理加速框架去做模型推理（inference）。以 GPU 云平台推理框架 TensorRT 为例，简单描述模型训练推理过程就是：训练好网络模型（权重参数数据类型为 FP32）输入 TensorRT，然后 TensorRT 做解析优化，并进行在线推理和输出结果。两种不同的模型训练推理过程对比如下图所示: 前面的描述较为简单，实际在工业届，理想的深度学习项目开发流程应该分为三个步骤: 模型离线训练、模型压缩和模型在线部署，后面两个步骤互有交叉，具体详情如下：模型离线训练：实时性低，数据离线且更新不频繁，batchsize 较大，消耗大量 GPU 资源。设计开发模型网络结构;准备数据集并进行数据预处理、EDA 等操作；深度学习框架训练模型：数据增强、超参数调整、优化器选择、训练策略调整（多尺度训练）、TTA、模型融合等；模型测试。模型优化压缩：主要涉及模型优化、模型转换、模型量化和模型编译优化，这些过程很多都在高性能计算推理框架中集成了，各个芯片厂商也提供了相应的工具链和推理库来完成模型优化压缩。实际开发中，在不同的平台选择不同的推理加速引擎框架，比如 GPU 平台选择 TensorRT，手机移动端（ARM）选择 NCNN/MNN，NPU 芯片平台，如海思3519、地平线X3、安霸CV22等则直接在厂商给出的工具链进行模型的优化（optimizer）和压缩。模型优化 Optimizer：主要指计算图优化。首先对计算图进行分析并应用一系列与硬件无关的优化策略，从而在逻辑上降低运行时的开销，常见的类似优化策略其包括：算子融合（conv、bn、relu 融合）、算子替换、常数折叠、公共子表达式消除等。模型转换 Converter：Pytorch->Caffe、Pytorch->ONNX、ONNX模型->NCNN/NPU芯片厂商模型格式（需要踩坑非常多，Pytorch、ONNX、NPU 三者之间的算子要注意兼容）。注意 ONNX 一般用作训练框架和推理框架之间转换的中间模型格式。模型量化 Quantizer：主要指训练后量化（Post-training quantization PTQ）；权重、激活使用不同的量化位宽，如速度最快的量化方式 w8a8、速度和精度平衡的量化方式 w8a16。模型编译优化（编译优化+NPU 指令生成+内存优化）Compiler：模型编译针对不同的硬件平台有不同优化方法，与前面的和硬件无关的模型层面的优化不同。GPU平台存在 kernel fusion 方法；而 NPU 平台算子是通过特定二进制指令实现，其编译优化方法包括，卷积层的拆分、卷积核权重数据重排、NPU 算子调优等。模型部署/SDK输出: 针对视频级应用需要输出功能接口的SDK。实时性要求高，数据线上且更新频繁，batchsize 为 1。主要需要完成多模型的集成、模型输入的预处理、非DL算法模块的开发、 各个模块 pipeline 的串联，以及最后 c 接口（SDK）的输出。板端框架模型推理: Inference：C/C++。不同的 NPU 芯片/不同的公司有着不同的推理框架，但是模型的推理流程大致是一样的。包括：输入图像数据预处理、加载模型文件并解析、填充输入图像和模型权重数据到相应地址、模型推理、释放模型资源。这里主要需要学习不同的模型部署和推理框架。pipeline 应用开发: 在实际的深度学习项目开发过程中，模型推理只是其中的基础功能，具体的我们还需要实现多模型的集成、模型输入前处理、以及非 DL 算法模块的开发: 包括检测模块、跟踪模块、选帧模块、关联模块和业务算法模块等，并将各模块串联成一个 pipeline，从而完成视频结构化应用的开发。SDK集成: 在完成了具体业务 pipeline 的算法开发后，一般就需要输出 c 接口的 SDK 给到下层的业务侧（前后端）人员调用了。这里主要涉及 c/c++ 接口的转换、pipeline 多线程/多通道等sample的开发、以及大量的单元、性能、精度、稳定性测试。芯片平台板端推理 Inference，不同的 NPU 芯片有着不同的 SDK 库代码，但是模型运行流程类似。不同平台的模型的编译优化是不同的，比如 NPU 和一般 GPU 的区别在于后端模型编译上，GPU 是编译生成 kernel library(cuDNN 函数)，NPU 是编译生成二进制指令；前端的计算图优化没有本质区别，基本通用。所以综上所述，深度学习项目开发流程可以大致总结为三个步骤: 模型离线训练、模型优化压缩和模型部署/SDK输出，后两个步骤互有交叉。前面 2 个步骤在 PC 上完成，最后一个步骤开发的代码是需要在在 AI 芯片系统上运行的。最后以视差模型在海思 3519 平台的部署为例，其模型部署工作流程如下： 1.2，模型训练和推理的不同为了更好进行模型优化和部署的工作，需要总结一下模型推理（Inference）和训练（Training）的不同：网络权重值固定，只有前向传播（Forward），无需反向传播，因此：模型权值和结构固定，可以做计算图优化，比如算子融合等；输入输出大小固定，可以做 memory 优化，比如 feature 重排和 kernel 重排。batch_size 会很小（比如 1），存在 latency 的问题。可以使用低精度的技术，训练阶段要进行反向传播，每次梯度的更新是很微小的，需要相对较高的精度比如 FP32 来处理数据。但是推理阶段，对精度要求没那么高，现在很多论文都表明使用低精度如 in16 或者 int8 数据类型来做推理，也不会带来很大的精度损失。二、手机端CPU推理框架的优化对于 HPC 和软件工程师来说，在手机 CPU 端做模型推理框架的优化，可以从上到下考虑：算法层优化：最上面就是算法层，如可以用winograd从数学上减少乘法的数量（仅在大channel尺寸下有效）；框架优化：推理框架可以实现内存池、多线程等策略；硬件层优化：主要包括: 适应不同的硬件架构特性、pipeline和cache优化、内存数据重排、NEON 汇编优化等。转自：cid:link_0

多模态方法种类多模态深度学习是指将来自不同感知模态的信息（如图像、文本、语音等）融合到一个深度学习模型中，以实现更丰富的信息表达和更准确的预测。在多模态深度学习中，模型之间的融合通常有以下三种方法： 模态联合学习（Multimodal Joint Learning）：模态联合学习是一种联合训练的方法，将来自不同模态的数据输入到一个模型中，模型可以同时学习到多个模态的特征表示，并将这些特征表示融合在一起进行决策。这种方法的优点是可以充分利用多个模态的信息，但是需要同时训练多个模型，计算复杂度较高。跨模态学习（Cross-Modal Learning）：跨模态学习是一种将一个模态的特征转换为另一个模态的特征表示的方法。这种方法的目的是通过跨模态学习，学习到多个模态之间的映射关系，并将不同模态的信息融合在一起。例如，可以使用图像的特征表示来预测文本的情感极性。这种方法可以减少训练时间和计算复杂度，但是需要预先确定好模态之间的映射关系。多模态自监督学习（Multimodal Self-Supervised Learning）：多模态自监督学习是一种无需标注数据，通过模型自身学习来提取多个模态的特征表示的方法。这种方法的优点是可以利用大量未标注的数据进行训练，但是需要设计一些自监督任务来引导模型学习多模态的特征表示。例如，可以通过学习视觉音频同步、图像文本匹配等任务来进行多模态自监督学习。总的来说，这三种方法都可以用于多模态深度学习中模型之间的融合，具体选择哪一种方法需要根据具体的任务和数据情况进行决策。多模态深度学习模型的方法和相关论文的详细说明模态联合学习（Multimodal Joint Learning）：模态联合学习是一种将多个模态的信息融合在一个模型中进行联合训练的方法。这种方法的研究背景是，现实生活中的很多任务需要同时利用多个感知模态的信息，例如语音识别、人脸识别、情感分析等。模态联合学习的目的是在一个统一的框架下，将来自不同模态的信息进行融合，提高任务的表现。一篇典型的使用模态联合学习方法的论文是2018年的“Multi-Modal Deep Learning for Robust RGB-D Object Recognition”，作者提出了一种基于深度学习的多模态目标识别方法。该方法使用了一个深度卷积神经网络（CNN）和一个多层感知器（MLP）组成的多模态模型来处理来自RGB-D传感器的数据。具体地，CNN用于处理RGB图像，MLP用于处理深度图像，两个模型的输出在特征层级别进行融合。实验结果表明，该方法相对于单模态方法和其他多模态方法具有更好的识别性能。跨模态学习（Cross-Modal Learning）：跨模态学习是一种将一个模态的特征转换为另一个模态的特征表示的方法。这种方法的研究背景是，现实生活中的不同感知模态之间存在着复杂的关联性和相互依赖性。跨模态学习的目的是学习到不同模态之间的映射关系，实现跨模态信息的转换和融合。一篇典型的使用跨模态学习方法的论文是2018年的“Image Captioning with Semantic Attention”，作者提出了一种基于卷积神经网络（CNN）和长短时记忆网络（LSTM）的图像描述模型。该模型首先使用CNN提取图像的特征表示，然后使用LSTM生成对图像的描述。在生成描述时，模型还使用了一个注意力机制，将图像中的重要区域与生成的文本序列进行对齐。实验结果表明，该方法相对于其他方法具有更好的描述性能，能够生成更准确和更生动的图像描述。多模态自监督学习（Multimodal Self-Supervised Learning）：多模态自监督学习是一种无需标注数据，通过模型自身学习来提取多个模态的特征的方法。这种方法的研究背景是，现实生活中的很多任务需要大量标注数据才能进行训练，但标注数据的获取成本很高。多模态自监督学习的目的是通过模型自身学习来利用未标注的数据，提高模型的泛化性能。一篇典型的使用多模态自监督学习方法的论文是2020年的“Unsupervised Learning of Multimodal Representations with Deep Boltzmann Machines”，作者提出了一种基于深度玻尔兹曼机（DBM）的无监督多模态特征学习方法。该方法使用了两个DBM分别处理来自图像和文本的数据，并在两个DBM之间添加了一个嵌入层，将图像和文本的特征进行融合。在训练过程中，模型使用了对比散度（CD）算法进行参数更新。实验结果表明，该方法相对于其他无监督方法和有监督方法具有更好的多模态特征表示能力。综上所述，多模态深度学习的三种方法分别是魔胎联合学习、跨模态学习和多模态自监督学习。这些方法的研究背景、目的、使用的方法和相关论文都有所不同。在实际应用中，研究人员可以根据具体任务和数据特点选择适合的方法，并根据需要对方法进行改进和扩展。多模态方法实现可以使用PaddlePaddle深度学习框架实现多模态深度学习的三种方法。下面是三种方法的简单实现说明。模态联合学习模态联合学习是将不同模态的特征提取网络联合在一起，以共同学习任务特征的方法。在PaddlePaddle中可以使用PaddleHub提供的预训练模型完成模态联合学习，例如使用PaddleHub提供的图像分类和文本分类模型，分别获得图像和文本的特征表示，然后将这些特征表示合并在一起，用于进行多模态任务的学习和预测。以下是基于PaddleHub实现的示例代码：import paddlehub as hub # 加载图像分类模型 image_classifier = hub.Module(name="resnet50_vd") # 加载文本分类模型 text_classifier = hub.Module(name="ernie") # 分别对图像和文本进行特征提取 image_feature = image_classifier.feature(input_images) text_feature = text_classifier.feature(input_texts) # 将图像和文本的特征表示合并在一起 multimodal_feature = paddle.concat([image_feature, text_feature], axis=-1) # 使用多模态特征进行任务学习和预测跨模态学习跨模态学习是将不同模态的数据映射到共同的空间中，以便可以使用相同的特征提取器和分类器进行训练和预测。在PaddlePaddle中可以使用自定义模型实现跨模态学习。以下是一个基于PaddlePaddle实现的跨模态学习的示例代码：import paddle # 定义图像模态的特征提取器 image_feature_extractor = paddle.nn.Sequential( paddle.nn.Conv2D(...), paddle.nn.BatchNorm2D(...), paddle.nn.ReLU(), ... ) # 定义文本模态的特征提取器 text_feature_extractor = paddle.nn.Sequential( paddle.nn.Embedding(...), paddle.nn.LSTM(...), ... ) # 定义特征融合层 fusion_layer = paddle.nn.Sequential( paddle.nn.Linear(...), paddle.nn.ReLU(), ... ) # 定义分类器 classifier = paddle.nn.Linear(...) # 定义跨模态学习模型 class CrossModalModel(paddle.nn.Layer): def __init__(self): super().__init__() self.image_feature_extractor = image_feature_extractor self.text_feature_extractor = text_feature_extractor self.fusion_layer = fusion_layer self.classifier = classifier def forward(self, image_data, text_data): image_feature = self.image_feature_extractor(image_data) text_feature = self.text_feature_extractor(text_data) fused_feature = self.fusion_layer(paddle.concat([image_feature, text_feature], axis=-1)) output = self.classifier(fused_feature) return output # 使用跨模态学习模型进行任务学习和预测多模态自监督学习多模态自监督学习是一种利用多模态数据自身特点设计的自监督学习方法，通常不需要标注数据。在PaddlePaddle中可以使用PaddleClas提供的模型进行多模态自监督学习，例如使用PaddleClas提供的SimCLR模型，该模型使用数据增强和对比学习方法进行多模态特征学习，以提高模型在多模态数据上的表现。以下是一个基于PaddleClas实现的多模态自监督学习的示例代码：import paddle import paddlehub as hub from paddle.io import DataLoader from paddle.vision.transforms import transforms from paddle.vision.datasets import ImageNet, Cifar10 # 定义图像数据集的预处理器 image_transforms = transforms.Compose([ transforms.Resize((224, 224)), transforms.Normalize(...), ... ]) # 加载图像数据集 image_dataset = ImageNet(..., transform=image_transforms) # 加载文本数据集 text_dataset = ... # 定义数据加载器 batch_size = 64 image_data_loader = DataLoader(image_dataset, batch_size=batch_size) text_data_loader = DataLoader(text_dataset, batch_size=batch_size) # 加载SimCLR模型 simclr = hub.Module(name="simclr") # 使用多模态数据进行自监督学习 for image_data, text_data in zip(image_data_loader, text_data_loader): # 将图像和文本数据进行拼接 multimodal_data = paddle.concat([image_data, text_data], axis=0) # 进行数据增强 augmented_data = simclr.augment(multimodal_data) # 获取特征表示 features = simclr(multimodal_data) # 计算对比损失 loss = simclr.contrastive_loss(features, augmented_data) # 反向传播更新模型参数 loss.backward()转自：cid:link_0

前言图像分割可以分为两类：语义分割（Semantic Segmentation）和实例分割（Instance Segmentation），前面已经给大家介绍过两者的区别，并就如何在labview上实现相关模型的部署也给大家做了讲解，今天和大家分享如何使用labview 实现deeplabv3+的语义分割，并就 Pascal VOC2012 (DeepLabv3Plus-MobileNet) 上的分割结果和城市景观的分割结果（DeepLabv3Plus-MobileNet）给大家做一个分享。一、什么是deeplabv3+Deeplabv3+是一个语义分割网络，使用DeepLabv3作为Encoder模块，并添加一个简单且有效的Decoder模块来获得更清晰的分割。即网络主要分为两个部分：Encoder和Decoder；论文中采用的是Xception作为主干网络（在代码中也可以根据需求替换成MobileNet，本文示例中即使用的MobileNet），然后使用了ASPP结构，解决多尺度问题；为了将底层特征与高层特征融合，提高分割边界准确度，引入Decoder部分。Encoder-Decoder网络已经成功应用于许多计算机视觉任务，通常，Encoder-Decoder网络包含：逐步减少特征图并提取更高语义信息的Encoder模块逐步恢复空间信息的Decoder模块二、LabVIEW调用DeepLabv3+实现图像语义分割1、模型获取及转换下载预训练好的.pth模型文件，下载链接： cid:link_2 ，我们选择主干网络为Mobilenet的模型 git上下载开源的整个项目文件，链接为： cid:link_0根据requirements.txt 安装所需要的库pip install -r requirements.txt原项目中使用的模型为.pth，我们将其转onnx模型，将best_deeplabv3plus_mobilenet_voc_os16.pth转化为deeplabv3plus_mobilenet.onnx，具体转化模型代码如下：import network import numpy as np import torch from torch.autograd import Variable from torchvision import models import os import re dirname, filename = os.path.split(os.path.abspath(__file__)) print(dirname) def get_pytorch_onnx_model(original_model): # define the directory for further converted model save onnx_model_path = dirname # define the name of further converted model onnx_model_name = "deeplabv3plus_mobilenet.onnx" # create directory for further converted model os.makedirs(onnx_model_path, exist_ok=True) # get full path to the converted model full_model_path = os.path.join(onnx_model_path, onnx_model_name) # generate model input generated_input = Variable( torch.randn(1, 3, 513, 513) ) # model export into ONNX format torch.onnx.export( original_model, generated_input, full_model_path, verbose=True, input_names=["input"], output_names=["output"], opset_version=11 ) return full_model_path model = network.modeling.__dict__["deeplabv3plus_mobilenet"](num_classes=21, output_stride=8) checkpoint = torch.load("best_deeplabv3plus_mobilenet_voc_os16.pth", map_location=torch.device('cpu')) model.load_state_dict(checkpoint["model_state"]) full_model_path = get_pytorch_onnx_model(model)将best_deeplabv3plus_mobilenet_cityscapes_os16.pth转化为deeplabv3plus_mobilenet_cityscapes.onnx，具体转化模型代码如下：import network import numpy as np import torch from torch.autograd import Variable from torchvision import models import os import re dirname, filename = os.path.split(os.path.abspath(__file__)) print(dirname) def get_pytorch_onnx_model(original_model): # define the directory for further converted model save onnx_model_path = dirname # define the name of further converted model onnx_model_name = "deeplabv3plus_mobilenet_cityscapes.onnx" # create directory for further converted model os.makedirs(onnx_model_path, exist_ok=True) # get full path to the converted model full_model_path = os.path.join(onnx_model_path, onnx_model_name) # generate model input generated_input = Variable( torch.randn(1, 3, 513, 513) ) # model export into ONNX format torch.onnx.export( original_model, generated_input, full_model_path, verbose=True, input_names=["input"], output_names=["output"], opset_version=11 ) return full_model_path model = network.modeling.__dict__["deeplabv3plus_mobilenet"](num_classes=19, output_stride=8) checkpoint = torch.load("best_deeplabv3plus_mobilenet_cityscapes_os16.pth", map_location=torch.device('cpu')) model.load_state_dict(checkpoint["model_state"]) full_model_path = get_pytorch_onnx_model(model)注意：我们需要将以上两个脚本保存并与network文件夹同路径2、LabVIEW 调用基于 Pascal VOC2012训练的deeplabv3+实现图像语义分割 （deeplabv3+_onnx.vi）经过实验发现，opencv dnn因缺少一些算子，所以无法加载deeplabv3+ onnx模型，所以我们选择使用LabVIEW开放神经网络交互工具包【ONNX】来加载并推理整个模型，实现语义分割，程序源码如下： 3、LabVIEW Pascal VOC2012上的分割结果（deeplabv3+_onnx.vi）4、LabVIEW 调用基于 Cityscapes 训练的deeplabv3+实现图像语义分割 （deeplabv3+_onnx_cityscape.vi）如下图所示即为程序源码，我们对比deeplabv3+_onnx.vi，发现其实只需要把模型和待检测的图片更换，图片尺寸比例也做一个修改即可 5、LabVIEW 城市景观的分割结果（deeplabv3+_onnx_cityscape.vi）转载自：cid:link_1

一、简介目前整个业界都希望经过优化的模型能够表现出卓越的性能，这一追求不断推动着自然语言理解（natural language understanding）的发展。Mixtral-8x7B Mixture of Experts（MoE）模型就是其中之一，该模型在各种基准测试（benchmarks）中表现出优于同类产品的性能，尤其是优于 Llama 2 70B。本教程采用一种名为 QLoRA 的创新方法对 Mixtral-8x7B 模型进行微调，该方法结合了量化（quantization）和 LoRA（Local Representation Adaptation）技术。期望通过这两种技术的结合来进一步增强Mixtral-8x7B模型的能力。二、相关定义● Mixtral 8x7B：一种混合专家模型，因其架构设计在自然语言处理任务中表现出色而闻名。● QLoRA：Quantization 和 LoRA 技术相结合的缩写。量化涉及降低模型权重的精度，从而优化内存使用并加快计算速度。LoRA 可调整模型中的局部表征，增强模型对特定上下文的理解。三、优势● 增强性能：使用 QLoRA 对 Mixtral 8x7B 进行微调，可提高其性能，从而更好地理解和生成各种领域的文本。● 能效比高：量化的整合降低了内存需求和计算复杂度，使模型更节省资源。● 针对垂直领域进行微调：通过微调，该模型可针对特定任务进行定制，从而提高其在特定领域的准确性和相关性。四、代码实现说明本教程在 Notebook 环境中（译者注：使用Jupyter notebook 或白海IDP自研notebook）使用 Python。整个过程包括使用 "bitsandbytes "库加载 4 位精度的大型 Mixtral 模型。随后，在训练阶段使用 Hugging Face 的 PEFT 库实现 LoRA。4.1 步骤 1：安装相关库# You only need to run this once per machine, even if you stop/restart it !pip install --upgrade pip !pip install -q -U bitsandbytes !pip install -q -U git+https://github.com/huggingface/transformers.git !pip install -q -U git+https://github.com/huggingface/peft.git !pip install -q -U git+https://github.com/huggingface/accelerate.git !pip install -q -U datasets scipy ipywidgets matplotlib4.2 步骤 2：设置 Acceleratorfrom accelerate import FullyShardedDataParallelPlugin, Accelerator from torch.distributed.fsdp.fully_sharded_data_parallel import FullOptimStateDictConfig, FullStateDictConfig fsdp_plugin = FullyShardedDataParallelPlugin( state_dict_config=FullStateDictConfig(offload_to_cpu=True, rank0_only=False), optim_state_dict_config=FullOptimStateDictConfig(offload_to_cpu=True, rank0_only=False), ) accelerator = Accelerator(fsdp_plugin=fsdp_plugin)4.3 步骤 3：使用Weights & Biases追踪性能指标!pip install -q wandb -U import wandb, os wandb.login() wandb_project = "viggo-finetune" if len(wandb_project) > 0: os.environ["WANDB_PROJECT"] = wandb_project4.4 步骤 4：加载数据集from datasets import load_dataset dataset_name = "databricks/databricks-dolly-15k" train_dataset = load_dataset(dataset_name, split="train[0:800]") eval_dataset = load_dataset(dataset_name, split="train[800:1000]")4.5 步骤 5：加载基础模型import torch from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig base_model_id = "mistralai/Mixtral-8x7B-v0.1" bnb_config = BitsAndBytesConfig( load_in_4bit=True, bnb_4bit_use_double_quant=True, bnb_4bit_compute_dtype=torch.bfloat16 ) model = AutoModelForCausalLM.from_pretrained(base_model_id, quantization_config=bnb_config, device_map="auto") # Tokenization tokenizer = AutoTokenizer.from_pretrained( base_model_id, padding_side="left", add_eos_token=True, add_bos_token=True, ) tokenizer.pad_token = tokenizer.eos_token def tokenize(prompt): result = tokenizer(prompt) result["labels"] = result["input_ids"].copy() return result def generate_and_tokenize_prompt(data_point): full_prompt = f"""Given a question and some additional context, provide an answer ### Target sentence: Question: {data_point['instruction']} Additional Context: {f"Here is some context: {data_point['context']}" if len(data_point["context"]) > 0 else ""} Response: [/INST] {data_point['response']}</s>""" tokenized_prompt = tokenizer(full_prompt) return tokenized_prompt tokenized_train_dataset = train_dataset.map(generate_and_tokenize_prompt) tokenized_val_dataset = eval_dataset.map(generate_and_tokenize_prompt) untokenized_text = tokenizer.decode(tokenized_train_dataset[1]['input_ids']) print(untokenized_text) # Output <s> Given a question and some additional context, provide an answer ### Target sentence: Question: Alice's parents have three daughters: Amy, Jessy, and what’s the name of the third daughter? Additional Context: Response: [/INST] The name of the third daughter is Alice</s></s>4.6 步骤 6：获取数据集中各个样本长度的分布情况import matplotlib.pyplot as plt def plot_data_lengths(tokenized_train_dataset, tokenized_val_dataset): lengths = [len(x['input_ids']) for x in tokenized_train_dataset] lengths += [len(x['input_ids']) for x in tokenized_val_dataset] print(len(lengths)) # Plotting the histogram plt.figure(figsize=(10, 6)) plt.hist(lengths, bins=20, alpha=0.7, color='blue') plt.xlabel('Length of input_ids') plt.ylabel('Frequency') plt.title('Distribution of Lengths of input_ids') plt.show() plot_data_lengths(tokenized_train_dataset, tokenized_val_dataset)4.7 步骤 7：在数据的左侧添加 padding ，以减少内存的使用max_length = 320 # This was an appropriate max length for my dataset # redefine the tokenize function and tokenizer tokenizer = AutoTokenizer.from_pretrained( base_model_id, padding_side="left", add_eos_token=True, add_bos_token=True, ) tokenizer.pad_token = tokenizer.eos_token def tokenize(prompt): result = tokenizer( prompt, truncation=True, max_length=max_length, padding="max_length", ) result["labels"] = result["input_ids"].copy() return result tokenized_train_dataset = train_dataset.map(generate_and_tokenize_prompt) tokenized_val_dataset = eval_dataset.map(generate_and_tokenize_prompt) untokenized_text = tokenizer.decode(tokenized_train_dataset[4]['input_ids']) print(untokenized_text) # Output <s> Given a target sentence construct the underlying meaning representation of the input sentence as a single function with attributes and attribute values. This function should describe the target string accurately and the function must be one of the following ['inform', 'request', 'give_opinion', 'confirm', 'verify_attribute', 'suggest', 'request_explanation', 'recommend', 'request_attribute']. The attributes must be one of the following: ['name', 'exp_release_date', 'release_year', 'developer', 'esrb', 'rating', 'genres', 'player_perspective', 'has_multiplayer', 'platforms', 'available_on_steam', 'has_linux_release', 'has_mac_release', 'specifier'] ### Target sentence: When did Virgin Australia start operating? Here is some context: Virgin Australia, the trading name of Virgin Australia Airlines Pty Ltd, is an Australian-based airline. It is the largest airline by fleet size to use the Virgin brand. It commenced services on 31 August 2000 as Virgin Blue, with two aircraft on a single route. It suddenly found itself as a major airline in Australia's domestic market after the collapse of Ansett Australia in September 2001. The airline has since grown to directly serve 32 cities in Australia, from hubs in Brisbane, Melbourne and Sydney. [/INST] Virgin Australia commenced services on 31 August 2000 as Virgin Blue, with two aircraft on a single route.</s></s>plot_data_lengths(tokenized_train_dataset, tokenized_val_dataset)4.8 步骤 8：设置 LoRAfrom peft import prepare_model_for_kbit_training model.gradient_checkpointing_enable() model = prepare_model_for_kbit_training(model) def print_trainable_parameters(model): """ Prints the number of trainable parameters in the model. """ trainable_params = 0 all_param = 0 for _, param in model.named_parameters(): all_param += param.numel() if param.requires_grad: trainable_params += param.numel() print( f"trainable params: {trainable_params} || all params: {all_param} || trainable%: {100 * trainable_params / all_param}" ) from peft import LoraConfig, get_peft_model config = LoraConfig( r=8, lora_alpha=16, target_modules=[ "q_proj", "k_proj", "v_proj", "o_proj", "w1", "w2", "w3", "lm_head", ], bias="none", lora_dropout=0.05, # Conventional task_type="CAUSAL_LM", ) model = get_peft_model(model, config) print_trainable_parameters(model) # Apply the accelerator. You can comment this out to remove the accelerator. model = accelerator.prepare_model(model) # Output trainable params: 120350720 || all params: 23602952192 || trainable%: 0.50989689349450014.9 步骤 9：进行训练import transformers from datetime import datetime if torch.cuda.device_count() > 1: # If more than 1 GPU model.is_parallelizable = True model.model_parallel = True project = "databricks-dolly-finetune" base_model_name = "mixtral" run_name = base_model_name + "-" + project output_dir = "./" + run_name tokenizer.pad_token = tokenizer.eos_token trainer = transformers.Trainer( model=model, train_dataset=tokenized_train_dataset, eval_dataset=tokenized_val_dataset, args=transformers.TrainingArguments( output_dir=output_dir, warmup_steps=5, per_device_train_batch_size=1, gradient_checkpointing=True, gradient_accumulation_steps=4, max_steps=500, learning_rate=2.5e-5, logging_steps=25, fp16=True, optim="paged_adamw_8bit", logging_dir="./logs", # Directory for storing logs save_strategy="steps", # Save the model checkpoint every logging step save_steps=50, # Save checkpoints every 50 steps evaluation_strategy="steps", # Evaluate the model every logging step eval_steps=50, # Evaluate and save checkpoints every 50 steps do_eval=True, # Perform evaluation at the end of training report_to="wandb", # Comment this out if you don't want to use weights & baises run_name=f"{run_name}-{datetime.now().strftime('%Y-%m-%d-%H-%M')}" # Name of the W&B run (optional) ), data_collator=transformers.DataCollatorForLanguageModeling(tokenizer, mlm=False), ) model.config.use_cache = False # silence the warnings. Please re-enable for inference! trainer.train()4.10 步骤 10：使用训练完毕的模型import torch from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig base_model_id = "mistralai/Mixtral-8x7B-v0.1" bnb_config = BitsAndBytesConfig( load_in_4bit=True, bnb_4bit_use_double_quant=True, bnb_4bit_compute_dtype=torch.bfloat16 ) base_model = AutoModelForCausalLM.from_pretrained( base_model_id, # Mixtral, same as before quantization_config=bnb_config, # Same quantization config as before device_map="auto", trust_remote_code=True, use_auth_token=True ) eval_tokenizer = AutoTokenizer.from_pretrained( base_model_id, add_bos_token=True, trust_remote_code=True, )from peft import PeftModel ft_model = PeftModel.from_pretrained(base_model, "mixtral-databricks-dolly-finetune/checkpoint-100"eval_prompt = """Given a question and some additional context, provide an answer ### Target sentence: Question: When was Tomoaki Komorida born? Here is some context: Komorida was born in Kumamoto Prefecture on July 10, 1981. After graduating from high school, he joined the J1 League club Avispa Fukuoka in 2000. Although he debuted as a midfielder in 2001, he did not play much and the club was relegated to the J2 League at the end of the 2001 season. In 2002, he moved to the J2 club Oita Trinita. He became a regular player as a defensive midfielder and the club won the championship in 2002 and was promoted in 2003. He played many matches until 2005. In September 2005, he moved to the J2 club Montedio Yamagata. In 2006, he moved to the J2 club Vissel Kobe. Although he became a regular player as a defensive midfielder, his gradually was played less during the summer. In 2007, he moved to the Japan Football League club Rosso Kumamoto (later Roasso Kumamoto) based in his local region. He played as a regular player and the club was promoted to J2 in 2008. Although he did not play as much, he still played in many matches. In 2010, he moved to Indonesia and joined Persela Lamongan. In July 2010, he returned to Japan and joined the J2 club Giravanz Kitakyushu. He played often as a defensive midfielder and center back until 2012 when he retired. ### Response: """ model_input = eval_tokenizer(eval_prompt, return_tensors="pt").to("cuda") ft_model.eval（) with torch.no_grad(): print(eval_tokenizer.decode(ft_model.generate(**model_input, max_new_tokens=100)[0], skip_special_tokens=True)) Given a question and some additional context, provide an answer ### Target sentence: Question: When was Tomoaki Komorida born? Here is some context: Komorida was born in Kumamoto Prefecture on July 10, 1981. After graduating from high school, he joined the J1 League club Avispa Fukuoka in 2000. Although he debuted as a midfielder in 2001, he did not play much and the club was relegated to the J2 League at the end of the 2001 season. In 2002, he moved to the J2 club Oita Trinita. He became a regular player as a defensive midfielder and the club won the championship in 2002 and was promoted in 2003. He played many matches until 2005. In September 2005, he moved to the J2 club Montedio Yamagata. In 2006, he moved to the J2 club Vissel Kobe. Although he became a regular player as a defensive midfielder, his gradually was played less during the summer. In 2007, he moved to the Japan Football League club Rosso Kumamoto (later Roasso Kumamoto) based in his local region. He played as a regular player and the club was promoted to J2 in 2008. Although he did not play as much, he still played in many matches. In 2010, he moved to Indonesia and joined Persela Lamongan. In July 2010, he returned to Japan and joined the J2 club Giravanz Kitakyushu. He played often as a defensive midfielder and center back until 2012 when he retired. ### Response: Tomoaki Komorida was born on July 10, 1981.五、结论利用 QLoRA 对 Mixtral-8x7B 模型进行微调是自然语言处理 (NLP) 领域的一个重要进展，它将模型性能提升到了新的高度。这一缜密的过程融合了量化和 LoRA 等前沿技术，为超越基准（benchmarks）提供了一条稳健的途径，甚至在各种评估指标上超越了强大的 Llama 2 70B 模型。本教程的核心在于使用QLoRA进行微调，利用bitsandbytes以4位精度实例化模型，并运用Hugging Face 🤗的PEFT库。该指南不仅概述了微调方法，还揭示了实践过程中可能遇到的问题，如OutOfMemory errors，为用户提供了精确的解决途径。从本质上讲，该教程并非是一个技术指南，更像一个倡导模型微调最佳实践的指引。它倡导协作式微调，请邀请其他研究人员和从业者一同踏上推动语言理解模型发展的旅程。前沿技术、详细的指导以及合作共赢的态度使得该教程对于NLP社区来说是一个非常重要且不可或缺的资源，期望能够引导 NLP 社区进一步提高模型性能，丰富理解能力。转载自：cid:link_0

什么是KerasKeras是一个由Python编写的开源人工神经网络库，可以作为TensorFlow、Microsoft-CNTK和Theano的高阶应用程序接口，进行深度学习模型的设计、调试、评估、应用和可视化。Keras在代码结构上由面向对象方法编写，完全模块化并具有可扩展性，其运行机制和说明文档有将用户体验和使用难度纳入考虑，并试图简化复杂算法的实现难度。Keras支持现代人工智能领域的主流算法，包括前馈结构和递归结构的神经网络，也可以通过封装参与构建统计学习模型。在硬件和开发环境方面，Keras支持多操作系统下的多GPU并行计算，可以根据后台设置转化为TensorFlow、Microsoft-CNTK等系统下的组件。Keras的主要开发者是谷歌工程师François Chollet，此外其GitHub项目页面包含6名主要维护者和超过800名直接贡献者。keras内置损失函数Keras是一个流行的深度学习框架，它提供了许多内置的损失函数，用于训练神经网络。以下是一些常用的内置损失函数：均方误差（Mean Squared Error）：用于回归问题，计算预测值与真实值之间的均方误差。平均绝对误差（Mean Absolute Error）：用于回归问题，计算预测值与真实值之间的平均绝对误差。二分类交叉熵（Binary Crossentropy）：用于二分类问题，计算预测概率与真实标签之间的交叉熵损失。多分类交叉熵（Categorical Crossentropy）：用于多分类问题，计算预测概率与真实标签之间的交叉熵损失。平均精度（Mean Precision）：用于分类问题，计算预测为正例的样本中实际为正例的比例。平均召回率（Mean Recall）：用于分类问题，计算预测为正例的样本中实际为正例的比例。对数损失（Log Loss）：计算预测概率与真实标签之间的对数损失。Hinge损失：用于支持向量机（SVM）等分类问题，计算样本到超平面的距离。除了以上内置的损失函数，Keras还支持自定义损失函数，可以根据自己的需求编写损失函数并应用到神经网络的训练中。回归问题损失函数均方误差（MSE）和平均绝对误差（MAE）是回归问题中常用的损失函数，它们都可以用来度量预测值与真实值之间的误差。然而，它们在计算方式上存在一些差异。均方误差（MSE）计算的是预测值与真实值之间的均方差，其公式为：MSE = (1/N) * Σ[(y_true - y_pred)^2]，其中N是样本数量，y_true是真实值，y_pred是预测值。MSE具有可微分性和平方的特性，因此可以利用梯度下降等优化算法进行优化。平均绝对误差（MAE）计算的是预测值与真实值之间的平均绝对差，其公式为：MAE = (1/N) * Σ |y_true - y_pred|。MAE对于异常值比较鲁棒，因为它不考虑误差的正负，只计算绝对值。此外，MAE的导数不一定存在，因此有时候无法使用梯度下降等优化算法进行优化。在选择MSE和MAE作为损失函数时，需要根据具体的问题和数据特性进行考虑。如果数据中存在异常值或者分布不均匀的情况，MAE可能会更加合适。如果数据比较正常且需要精确的预测值，MSE可能会更加合适。

一、深度学习的起源深度学习的发展历程可以追溯到1943年，当时心理学家麦卡洛克和数学逻辑学家皮茨发表论文《神经活动中内在思想的逻辑演算》，提出了MP模型，这标志着神经网络的开端。在随后的几十年中，深度学习经历了多次起伏。如下图所示1958年，Rosenblatt发明了感知器（perceptron）算法，该方法被证明为能够收敛，理论与实践效果引起第一次神经网络的浪潮。然而，Minsky证明了单层感知器只能处理线性分类问题，这导致了第一次低潮。1962年，感知器算法被证明为能够收敛，这再次引发了神经网络的热潮。然而，Minsky证明了单层感知器只能处理线性分类问题，这导致了第二次低潮。1980年代，多层感知器解决了单层感知器的问题，但是对其网络参数的计算问题却成为了一个难点。直到1986年反向传播算法的提出解决了对少数层神经网络训练的问题，这个时候也就迎来了第二次高潮。第三次发展浪潮始于2006年，以人工神经网络（Artificial Neural Network）的扩展和应用为基础，这次浪潮的出现标志着深度学习时代的来临。这一阶段的研究主要集中在如何提高深度神经网络的性能和泛化能力上。SVM作为一种经典的机器学习算法，在分类问题上表现出了良好的性能。随着深度学习的不断发展，其应用领域也在不断扩大。深度学习已经成为了许多领域的重要工具，例如自然语言处理、计算机视觉、语音识别和医疗诊断等。尽管深度学习还面临着一些挑战和问题，但随着技术的不断进步和应用场景的不断拓展，相信深度学习将继续发挥重要作用并取得更多突破。二、当代深度学习大事件2.1 在围棋方面战胜人类欧洲围棋冠军樊麾在2015年10月与 AlphaGo 进行了一场对弈，这是电脑首次战胜围棋职业棋手。AlphaGo 又在 2016 年与围棋世界冠军李世石的对弈中以 4:1 的总比分获胜2016年末2017年初，在中国棋类网站上，以Master为注册账号与中日韩你数十位围棋高手进行快棋对决，连续60局无一败绩2.2 ChatGPTChatGPT是一种基于自然语言处理技术的聊天机器人程序，它由美国OpenAI公司研发，于2022年11月30日发布。ChatGPT通过在大量的文本数据上进行训练，可以自动生成语言文本、回答问题、翻译语言等等，具备强大的自然语言处理能力。ChatGPT的厉害之处在于它能够像人类一样与用户进行交流。相较于传统AI助手，ChatGPT的回答要棒很多，尤其在一些主观的问题上，你去问它，有时候回答的比人还要好。2.3 无人驾驶2005年斯坦福无人车在DARPA比赛中夺冠（在沙漠里自动形式了131英里） 现在部分自动驾驶汽车已开始商用 三、基础模型3.1 多层感知机（MLP）多层感知机（MLP）是一种前馈人工神经网络，也被称为多层感知器。它是一个多层的结构，每一层都由多个神经元组成，前一层的输出作为下一层的输入。MLP可以用于分类、回归、预测等任务，并能够解决非线性问题，如图像识别、自然语言处理等。MLP结构简单、易于实现，因此在机器学习和人工智能领域被广泛应用。MLP至少有三层人工神经元，包括输入层、隐藏层和输出层。输入层由简单的输入人工神经元构成，每个输入神经元至少连接一个隐藏层的人工神经元。隐藏层表示潜在的变量，其输入和输出都不会出现在训练集中。在MLP中，层与层之间是全连接的，即每一层的每一个神经元都与下一层的每一个神经元相连。MLP的训练过程包括前向传播和误差反向传播两个阶段。在前向传播阶段，输入层的数值被逐层传递至输出层，每层神经元会对上一层的输入进行加权求和，并通过激活函数进行非线性变换。在误差反向传播阶段，误差从输出层传递至输入层，并按照权重进行分配，根据分配的误差来更新权重。这个过程反复迭代，直到损失函数的值达到最小。多层感知机是一种人工神经网络，通过多层神经元的相互作用和信息的逐层传递，实现各种复杂的计算和分类任务。3.2 卷积神经网络（CNN）卷积神经网络（Convolutional Neural Network，CNN）是一种特殊的神经网络，主要用于处理具有类似网格结构的数据，例如图像、语音信号等。CNN通过采用局部连接和共享权重的策略，降低了权重的数量，减少了参数的冗余，并能够自动提取输入数据的局部特征。CNN主要由输入层、卷积层、池化层、全连接层等部分组成。卷积层是CNN的核心部分，它们通过卷积运算对输入数据进行逐点乘积累加的操作，从而提取出输入数据中的特征。池化层则用于降低数据的维度，减少计算量和过拟合，同时保留关键信息。全连接层则用于将提取的特征组合起来，进行最终的分类或回归任务。CNN的训练方法主要包括前向传播、反向传播和梯度下降等算法。在前向传播阶段，输入数据通过卷积层和池化层的处理，逐步提取出特征并生成输出。在反向传播阶段，根据输出与真实值之间的误差，通过梯度下降算法更新权重和偏置项，逐步减小误差并提高模型的准确率。卷积神经网络在许多领域都取得了显著的成果，例如图像分类、目标检测、人脸识别、自然语言处理等。由于其优秀的特征提取能力和强大的泛化能力，CNN已经成为深度学习领域中应用最广泛的神经网络之一。3.3 反馈神经网络（RNN）反馈神经网络（Recurrent Neural Network，RNN）是一种特殊的神经网络，它具有反馈连接，能够将前一时刻的输出作为当前时刻的输入。这种结构使得RNN能够处理序列数据，并具有记忆性，能够捕捉序列中的长期依赖关系。RNN主要由输入层、隐藏层和输出层组成。输入层负责接收外部输入的数据，隐藏层通过与前一时刻的输出进行连接，将历史信息传递给当前时刻，使得RNN能够利用历史信息来影响当前的输出。输出层则根据隐藏层的输出生成最终的输出结果。RNN的训练方法主要包括前向传播、反向传播和递归神经网络等算法。在前向传播阶段，输入数据通过RNN的各层处理，逐步生成输出结果。在反向传播阶段，根据输出与真实值之间的误差，通过梯度下降算法更新权重和偏置项，逐步减小误差并提高模型的准确率。由于RNN具有处理序列数据的能力，它在许多领域都有广泛的应用，例如语音识别、自然语言处理、时间序列预测等。然而，RNN也存在一些问题，例如梯度消失和长期依赖关系的学习困难等。为了解决这些问题，研究者们提出了许多改进的RNN模型，如长短时记忆网络（LSTM）、门控循环单元（GRU）等。3.4 转换器（Transformer）转换器（Transformer）是一种基于自注意力机制的神经网络模型，最初被提出用于解决机器翻译的序列到序列问题。由于其优秀的性能和广泛的应用场景，Transformer已经成为了深度学习领域中的一种重要模型。与传统的循环神经网络（RNN）和卷积神经网络（CNN）不同，Transformer不依赖于序列数据的时间顺序，而是通过自注意力机制来捕捉输入序列中的长距离依赖关系。这种机制使得Transformer能够并行地处理输入数据，提高了训练速度和模型的表达能力。Transformer主要由输入编码器和输出解码器组成，这些编码器和解码器之间由若干个自注意力层连接。这些层使用注意力机制来计算输入和输出之间的关系，从而允许Transformer模型并行地处理序列。在机器翻译任务中，输入编码器将源语言句子编码为固定长度的向量，输出解码器则将这些向量解码为目标语言的句子。除了在自然语言处理领域的应用外，Transformer也被广泛应用于计算机视觉和语音处理等领域。例如，Vision Transformer（ViT）使用Transformer进行图像分类，DERT使用Transformer进行物体检测和分割。总的来说，转换器（Transformer）是一种基于自注意力机制的神经网络模型，它通过捕捉输入数据中的长距离依赖关系，实现了高效的序列到序列处理。顺带介绍一下，ChatGPT就是一种基于 Transformer 的自然语言处理技术，它使用大规模的语料库和预训练技术进行训练，以提高模型的语言理解和生成能力。具体来说，ChatGPT使用了一种基于Transformer架构的模型，其中包括编码器和解码器两部分。编码器将输入文本转换为高维向量空间中的表示形式，解码器则将这些向量转换为新的词汇序列。在训练过程中，ChatGPT通过不断地学习和调整模型参数，实现了对自然语言文本的理解、生成和对话等任务。与传统的循环神经网络（RNN）和卷积神经网络（CNN）相比，Transformer不需要考虑输入序列的顺序，因此可以并行处理输入序列，提高了训练速度和模型的表达能力。同时，ChatGPT还采用了大量的文本数据进行训练，并将其转化为高维向量空间中的表示形式，从而实现对语言文本的表征和预测。ChatGPT基于Transformer的自然语言处理技术，通过大规模的语料库和预训练技术进行训练，实现了高效的自然语言处理任务。3.5 小结现代的深度学习模型通常是由多种基础模型组合而成的。这些基础模型提供了强大的特征表示和学习能力，可以用于解决各种复杂的任务。例如，生成式对话系统通常会结合多层感知机（MLP）和转换器（Transformer）进行构建。MLP可以用于提取输入对话的语义特征，而Transformer则可以用于生成高质量的回复。通过将这两种模型结合使用，可以构建出高性能的生成式对话系统。再比如，计算机视觉领域中的目标检测和图像分类任务，通常会结合卷积神经网络（CNN）和反馈神经网络（RNN）进行实现。CNN可以用于提取图像中的特征，而RNN则可以用于处理序列数据，如文本描述或时间序列数据等。通过将这两种模型结合使用，可以实现高性能的目标检测和图像分类任务。此外，现代深度学习模型还经常使用集成学习、迁移学习等技术，以进一步提高模型的性能和泛化能力。这些技术可以通过将多个基础模型组合在一起，形成一个更加复杂的模型结构，以适应不同任务和场景的需求。四、典型应用2006年深度学习在学术界受到了广泛关注，但在企业界的应用相对较少。随着技术的不断发展和进步，深度学习逐渐被应用于企业界，并取得了显著的成功和商业价值。从2012年开始，深度学习在企业界的应用开始加速发展。许多大型科技公司开始将深度学习应用于语音识别、图像分类、自然语言处理等领域，并取得了突破性的进展。这些成功的应用案例进一步推动了深度学习在企业界的发展，越来越多的企业开始投入资源进行深度学习的研究和应用。深度学习的用途非常广泛，如下图4.1 物体分类4.1.1 一般物体分类CIFAR和ILSVRC2012等数据集是计算机视觉领域中常用的数据集，用于训练各种图像分类和识别模型。这些数据集具有各自的特点和挑战，被广泛应用于深度学习和计算机视觉算法的研究和开发。CIFAR数据集由Alex Krizhevsky、Vinod Nair和Geoffrey Hinton等人收集而来，分为CIFAR-10和CIFAR-100两个版本。CIFAR-10包含10个类别的60000张32x32彩色图像，其中50000张用于训练，10000张用于测试。CIFAR-100包含100个类别的60000张32x32彩色图像，将图片分得更细，对神经网络图像识别是更大的挑战了。这些类别中的图像示例包括飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车等。ILSVRC2012是ImageNet数据集的一部分，拥有1000个类别，涵盖了各种不同的物体和场景。该数据集包含超过120万张训练图像和5万张测试图像，每张图像标记有相应的类别标签。由于该数据集规模庞大，需要使用更复杂的模型和算法来进行训练和分类。4.1.2 特定物体分类上面介绍的两个数据集，在学术界用的比较多。而真正在业界广泛遇到的任务，还是特定物体的分类。比如人脸验证，狗脸，或者鸟类，或者各种车，如下图人脸验证它的定义是给你两张图片，让你去判断是否是同一个人。深度学习模型和准确率如下图猪脸识别既然人脸可以识别，那自然动物脸也能识别！下图是2017年京东举办的“猪脸识别”比赛，在中美两地同时举行，冠军奖30万牛脸识别这个是新华网的一则新闻。11月26日，在广西天等县驮堪乡，保险公司工作人员为牛进行面部识别，准备办理保险。近年来，中国人寿在广西天等县通过“牛脸识别”技术为农户养殖的牛上保险，消除群众养牛的后顾之忧，助力发展壮大养牛产业。该技术通过牛的面部信息采集快速创建3D特征数据库，建立牛的身份识别管理系统，确保承保保标的真实性、唯一性、大大简化承保验标和理赔审核流程。4.2 物体检测4.2.1 一般物体检测物体检测比上面提到的这个物体识别要复杂一点，因为它不仅要识别出图上有猫、有狗、有鸭子，它还要判断出它们到底在哪，并用一个矩形标识出它们的位置：物体（左上角x坐标，左上角y坐标，宽度，高度）4.2.2 特定物体检测做自动驾驶算法需要检测前面是否有人，识别车道线、指示线、指示标、交通信号灯等等现在很多深度学习在医疗领域应用的特别广泛，比如用来识别病人的某个部位有没有肿瘤现在的手机都可以拍照，需要在拍照时，自动识别人脸，然后去做美颜，去去除红眼等检测肺癌在2016年的比赛中，美国Enlitic公司开发的基于深度学习的肺癌检测系统在技术上取得了重大突破。该系统利用深度卷积神经网络等技术对CT扫描图像进行自动分析和检测，能够快速准确地识别出肺部结节等肺癌相关病变。相比传统的方法，该系统的检测精度更高，大大提高了肺癌诊断的准确性和效率。语音识别将声波直接转化成文字利用神经网络预测股票投资回报率现在已经有很多公司在做这个了，通过机器预测股票今天买明天有百分多少概率赚钱，如果赚钱几率大就进行投资，这个现在叫量化交易利用新闻分析投资市场情绪现在有很多财经或者股票相关的论坛，你如果能有一定的爬虫功底，可以采集这些数据，通过深度学习的办法进行分析，就可以获得当前市场上投资者的情绪。蛋白质结构预测这个是谷歌推出的，AlphaFold 的第二代，用来做蛋白质结构预测的天气预报华为盘古大模型，通过对天气预报的历史数据进行学习，在中长期气象预报精度上首次超过传统数值方法，速度提升10000倍以上图像风格转换通过提供一张风格图片，AI就能把原图和这张风格图片相结合，生成你想要的图片图像生成通过文字描述，自动生成图片（即使这种图片在自然界不存在，深度学习的模型也能给你创造出来）旋律生成你只要给定前面一部分旋律，AI就能自动补全后半部分。demo地址为：cid:link_1歌声合成初音未来在2007年8月31日发布，声音库来自日本动漫声优藤田咲。代言和授权的产品就有红米Note4X，网易游戏新作《初音速》及盛大手游《神无月》古诗生成这是清华大学开发的一个古诗生成器，可以生成五言绝句、七言绝句、藏头诗等等。经过多轮迭代，现在不仅可以生成唐诗，还能生成宋词。试用地址为：cid:link_3五、对抗攻击5.1 深度学习的鲁棒性差鲁棒性是控制科学中的一个名词，是英文robust（强健的，精力充沛的，粗鲁的）的音译，也被称为强健性或者抗干扰性。它是指在异常和危险情况下系统生存的能力，或者说系统在面对各种异常情况时仍能维持其正常功能的能力。举个例子，使用ResNet训练完的深度学习算法，识别某张图片是袋鼠或者树懒的准确率已经达到99%以上了。这时候，我们在原图上增加一个0.008的随机噪声，该变这张图，虽然在人看来两张图片相差无几，但是AI却非常自信的判断错了（AI将袋鼠识别为飞机，把树懒图判断成防弹背心，并且置信率居然都接近100%）对图片进行改变称为 “对抗攻击”（刻意地对输入进行扰动使得深度学习输出错误预测结果）5.2 针对深度学习的可见光“隐身衣”通过上面这个案例，我们发现，对图片加上一个随机噪声就能让深入学习算法检测出错，因此我们精心设计如下几套衣服，来测试是否能对深度学习检测算法“隐身”YOLOv 是You Only Look Once version 的缩写，是一种目标检测算法。在测试视频中可以看到，人穿上了我们精心设计的衣服后，就无法被人体检测器识别出来了5.3 针对深度学习的红外“隐身衣”既然上面提到了能对深度学习的可见光“隐身”，那按道理我们也能对深度学习的红外相机“隐身”红外相机在呈相时，只有黑白没有彩色的因此我们就设计了这么两套看起来有点像二维码的衣服，来欺骗红外相机。我们设计了如下4套衣服气凝胶的导热系数极低，红外相机是通过热量检测来判断的。因此我们就能在黑色的地方贴上气凝胶，这样热量就出不来了通过实验得出以下结论不穿和随机帖气凝胶，都能被深度学习检测出来用气凝胶做了一件衣服，把人全盖住了，还是能被深度学习检测出来只有我们精心设计的那件（即下图的A）才能躲过检测5.4 针对深度学习的红外隐身板如果你觉得上面这件衣服太丑了，还可以在胸口放一块板子，这个板子上面放了一些小灯泡（位置是被精心设计出来的，随机放的没用）中间的人拿的是我们这个板子，可以看到就没被深度学习算法给检测出来六、脑启发的模型6.1 深度学习面临的挑战效果差：有时分割的好，有时分割的差效率低：训练一个gpt3，需要花费1200万美元可解释性差：只有输入和输出，不知道里面发生了啥鲁棒性低：原图加个随机微小的噪声就会导致识别出错6.2 脑启发的模型是一个重要方向既然深度学习还有这么多问题，那么如何克服这些问题呢？我们的想法是：进一步借鉴脑科学的知识，提高人工神经网络的效果和效率深度学习的发展与脑启发的发展是密切相关的，如下图神经元 ——> MP单元、感知机简单/复杂细胞 ——> BP算法/卷积神经网络、大数据+大算力皮层脑电、双光子、功能性核磁 ——>（这部分还没被应用到深度学习）6.3 脑中存在大量的反馈神经科学家发现，大脑中存在大量反馈连接。那么如何去建模这些连接？它们又能带来什么优点呢？在2015年之前，人们做视觉都觉得不会用到这些反馈连接，因为当时觉得反馈连接主要是用来做动态任务会比较好的。6.3.1 有层内反馈的卷积神经网络但是研究发现，大脑的视觉皮层中确实存在着大量的反馈神经。脑既然这么设计，肯定都是有用的。后面就根据这个，设计了一个有层内反馈的卷积神经网络6.3.2 自上而下反馈的卷积神经网络神经元之间具有一些不同区域的自上而下的反馈经过实验发现，这种神经网络，在图像分割方面做的非常的好，放大可以看到细节上，比原先的 Mask R-CNN 要做的更加细致6.3.3 同时有两种反馈的卷积神经网络我们构造了一个既有层内反馈，又有自上而下反馈，并且随着时间推移一步步展开的模型Bottom-up：自下而上Top-down：自上而下Lateral：随着时间异步展开这种算法在声音分离上做的非常的好声音分离：分离不同人的声音音乐分离：分离人声和背景音乐6.3.4 皮层-丘脑-皮层模型这是我们发现在高级的哺乳类动物中，丘脑在多模态融合方面发挥着一个很重要的作用。信息会从皮层到丘脑，然后丘脑在处理后再发回皮层。下面这个是啮齿类动物，皮层-丘脑-皮层，信息通路的示意图通过模仿 皮层-丘脑-皮层连接，实现了 皮层-丘脑-皮层模型这是一个视觉辅助的语音分离效果展示，这里不仅识别了人的声音，还用上了人的面部信息。效果如下（你可以听到女的讲话的时候，男的声音基本就没有了）七、总结本文主要介绍了以下5点深度学习的背景基础模型：多层感知机、卷积神经网络、反馈神经网络、转换器典型应用：视觉、听觉、自然语言、医疗、自动驾驶、娱乐对抗攻击：隐身衣、隐身板脑启发的模型：同层反馈，自上而下的反馈为方便大家学习和理解，我将他们制作成一个“思维导图”本文参与华为云社区【内容共创】活动第25期。 任务3：深度学习导论及行业应用 2023CANN训练营第二季

--------------------------------------------------------------------------- ModuleNotFoundError Traceback (most recent call last) <ipython-input-1-747b7b779074> in <module>() 1 import os 2 import torch ----> 3 from transformers import BertTokenizer, BertForSequenceClassification, AdamW, BertModel 4 from sklearn.model_selection import train_test_split 5 from keras.utils import pad_sequences ModuleNotFoundError: No module named 'transformers'我在terminal里pip下载了，还是报错

问题基本如题使用的具体规格是pytorch1.8-cuda10.2-cudnn7-ubuntu18.04，GPU等情况是：GPU: 1*T4(16GB)|CPU: 8核 32GB，在配置好了相关数据和文件之后，训练开始阶段报错“RuntimeError: cuDNN error: CUDNN_STATUS_NOT_INITIALIZED”。我猜想应该是和cuDNN的安装和版本适配有关，但实在是不清楚具体该怎么在Modelarts上完成配置，各位请不吝赐教QvQ