- 在大模型中,温度系数(temperature)通常用于调整模型的输出概率分布。温度系数的概念来源于物理学的热力学,它可以理解为一个“热度”值,用于控制模型的输出稀疏程度。温度系数越大,模型输出越倾向于给出较高的概率值,表现为“热情”;温度系数越小,模型输出越倾向于给出较低的概率值,表现为“冷静”。在深度学习框架中,如PyTorch和TensorFlow,温度系数通常通过添加一个标量乘以 so... 在大模型中,温度系数(temperature)通常用于调整模型的输出概率分布。温度系数的概念来源于物理学的热力学,它可以理解为一个“热度”值,用于控制模型的输出稀疏程度。温度系数越大,模型输出越倾向于给出较高的概率值,表现为“热情”;温度系数越小,模型输出越倾向于给出较低的概率值,表现为“冷静”。在深度学习框架中,如PyTorch和TensorFlow,温度系数通常通过添加一个标量乘以 so...
- 在数字化时代,知识产权(IP)的保护愈发重要,尤其是对图像和视频内容的监测。随着社交媒体和在线平台的普及,侵权行为日益频繁,因此开发一个有效的知识产权侵权监测系统显得尤为迫切。本文将探讨如何利用 TensorFlow 和图像识别技术构建一个简单的知识产权侵权监测系统。 系统架构本系统的基本架构如下:数据收集:收集待监测的图像和原始知识产权图像。数据预处理:对图像进行缩放、归一化等处理,以便于... 在数字化时代,知识产权(IP)的保护愈发重要,尤其是对图像和视频内容的监测。随着社交媒体和在线平台的普及,侵权行为日益频繁,因此开发一个有效的知识产权侵权监测系统显得尤为迫切。本文将探讨如何利用 TensorFlow 和图像识别技术构建一个简单的知识产权侵权监测系统。 系统架构本系统的基本架构如下:数据收集:收集待监测的图像和原始知识产权图像。数据预处理:对图像进行缩放、归一化等处理,以便于...
- @[toc]在上一篇文章中完成了前期的准备工作,见链接:MobileNetV4实战:使用MobileNetV4实现图像分类任务(一)前期的工作主要是数据的准备,安装库文件,数据增强方式的讲解,模型的介绍和实验效果等内容。接下来,这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后,就开始train脚本的编写,新建train.py 导入项目使用的库在train.py导入import json... @[toc]在上一篇文章中完成了前期的准备工作,见链接:MobileNetV4实战:使用MobileNetV4实现图像分类任务(一)前期的工作主要是数据的准备,安装库文件,数据增强方式的讲解,模型的介绍和实验效果等内容。接下来,这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后,就开始train脚本的编写,新建train.py 导入项目使用的库在train.py导入import json...
- 在计算机视觉领域,图像相似度比较和物种识别是两个重要的研究方向。本文通过结合深度学习和图像处理技术,使用TensorFlow中的预训练MobileNetV2模型和OpenCV,实现了物种识别和个体相似度分析。本文将详细介绍该系统的实现过程,并提供相关代码和使用说明。 在计算机视觉领域,图像相似度比较和物种识别是两个重要的研究方向。本文通过结合深度学习和图像处理技术,使用TensorFlow中的预训练MobileNetV2模型和OpenCV,实现了物种识别和个体相似度分析。本文将详细介绍该系统的实现过程,并提供相关代码和使用说明。
- 【AI】从零构建一个深度学习框架 【AI】从零构建一个深度学习框架
- TensorFlow是一个由Google开发的开源机器学习框架,它提供了丰富的工具和库,用于构建和训练各种机器学习模型。TensorFlow最初是为了支持Google的研究和生产工作负载而开发的,但现在已经成为了机器学习领域最受欢迎的框架之一。TensorFlow的核心是张量计算,它使用数据流图来表示计算任务,允许用户在不同的硬件上进行高效的并行计算。神经网络模型的结构包括输入层、隐藏层和输出层, TensorFlow是一个由Google开发的开源机器学习框架,它提供了丰富的工具和库,用于构建和训练各种机器学习模型。TensorFlow最初是为了支持Google的研究和生产工作负载而开发的,但现在已经成为了机器学习领域最受欢迎的框架之一。TensorFlow的核心是张量计算,它使用数据流图来表示计算任务,允许用户在不同的硬件上进行高效的并行计算。神经网络模型的结构包括输入层、隐藏层和输出层,
- @[toc]在上一篇文章中完成了前期的准备工作,见链接:FastViT实战:使用FastViT实现图像分类任务(一)这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后,就开始train脚本的编写,新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimport torchimpo... @[toc]在上一篇文章中完成了前期的准备工作,见链接:FastViT实战:使用FastViT实现图像分类任务(一)这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后,就开始train脚本的编写,新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimport torchimpo...
- @[toc]在上一篇文章中完成了前期的准备工作,见链接:CloFormer实战:使用CloFormer实现图像分类任务(一)这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后,就开始train脚本的编写,新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimport torch... @[toc]在上一篇文章中完成了前期的准备工作,见链接:CloFormer实战:使用CloFormer实现图像分类任务(一)这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后,就开始train脚本的编写,新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimport torch...
- @[toc]在上一篇文章中完成了前期的准备工作,见链接:VanillaNet实战:使用VanillaNet实现图像分类(一)这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后,就开始train脚本的编写,新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimport torch... @[toc]在上一篇文章中完成了前期的准备工作,见链接:VanillaNet实战:使用VanillaNet实现图像分类(一)这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后,就开始train脚本的编写,新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimport torch...
- 基于TensorFlow的Python API开发的训练脚本默认运行在CPU/GPU/TPU上,为了使这些脚本能够利用昇腾AI处理器的强大算力,需要将其迁移到昇腾平台。本期分享几个TensorFlow网络迁移到昇腾平台后执行失败或者执行性能差的典型案例,并给出原因分析及解决方法。01 数据预处理中存在资源类算子,导致训练异常02 数据预处理中存在tf.Variable,导致训练异常03 动态... 基于TensorFlow的Python API开发的训练脚本默认运行在CPU/GPU/TPU上,为了使这些脚本能够利用昇腾AI处理器的强大算力,需要将其迁移到昇腾平台。本期分享几个TensorFlow网络迁移到昇腾平台后执行失败或者执行性能差的典型案例,并给出原因分析及解决方法。01 数据预处理中存在资源类算子,导致训练异常02 数据预处理中存在tf.Variable,导致训练异常03 动态...
- @[toc]在上一篇文章中完成了前期的准备工作,见链接:BiFormer实战:使用BiFormer实现图像分类任务(一)这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后,就开始train脚本的编写,新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimport torchim... @[toc]在上一篇文章中完成了前期的准备工作,见链接:BiFormer实战:使用BiFormer实现图像分类任务(一)这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后,就开始train脚本的编写,新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimport torchim...
- 深度学习应用篇-计算机视觉-图像分类[2]:LeNet、AlexNet、VGG、GoogleNet、DarkNet模型结构、实现、模型特点详细介绍 深度学习应用篇-计算机视觉-图像分类[2]:LeNet、AlexNet、VGG、GoogleNet、DarkNet模型结构、实现、模型特点详细介绍
- 人工智能创新挑战赛:海洋气象预测Baseline[4]完整版(TensorFlow、torch版本)含数据转化、模型构建、MLP、TCNN+RNN、LSTM模型训练以及预测 人工智能创新挑战赛:海洋气象预测Baseline[4]完整版(TensorFlow、torch版本)含数据转化、模型构建、MLP、TCNN+RNN、LSTM模型训练以及预测
- 本文介绍将TensorFlow网络模型迁移到昇腾AI平台,并执行训练的全流程。然后以TensorFlow 1.15训练脚本为例,详细介绍了自动迁移、手工迁移以及模型训练的操作步骤。 本文介绍将TensorFlow网络模型迁移到昇腾AI平台,并执行训练的全流程。然后以TensorFlow 1.15训练脚本为例,详细介绍了自动迁移、手工迁移以及模型训练的操作步骤。
- @[toc]在上一篇文章中完成了前期的准备工作,见链接:DEiT实战:使用DEiT实现图像分类任务(一)这篇主要是讲解如何训练和测试 训练完成上面的步骤后,就开始train脚本的编写,新建train.py和train_dist.py 导入项目使用的库在train.py导入import jsonimport osimport shutilimport matplotlib.pyplot as ... @[toc]在上一篇文章中完成了前期的准备工作,见链接:DEiT实战:使用DEiT实现图像分类任务(一)这篇主要是讲解如何训练和测试 训练完成上面的步骤后,就开始train脚本的编写,新建train.py和train_dist.py 导入项目使用的库在train.py导入import jsonimport osimport shutilimport matplotlib.pyplot as ...
上滑加载中
推荐直播
-
开发者玩转DeepSeek
2025/02/20 周四 16:30-17:30
Thomas – 华为云DTSE技术布道师
双擎驱动优势——华为云CodeArts IDE全栈能力与DeepSeek认知智能深度融合,打造智能编码助手。如何利用DeepSeek的能力,进一步强化业务。
回顾中 -
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
即将直播 -
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
热门标签