- 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DeepSeek2025/02/20 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