- 一、问题描述1.在进行sam模型迁移到昇腾的时候存在精度问题，模型链接：https://github.com/facebookresearch/segment-anything2 .两台机器上训练loss图对比，发现从一开始训练的时候就出现了差别，从图中对比看出来npu第一步就开始没有向下收敛，而gpu是向下收敛。二、问题分析过程1.准备dump精度对比看看区别，使用Ascend开源仓的ms... 一、问题描述1.在进行sam模型迁移到昇腾的时候存在精度问题，模型链接：https://github.com/facebookresearch/segment-anything2 .两台机器上训练loss图对比，发现从一开始训练的时候就出现了差别，从图中对比看出来npu第一步就开始没有向下收敛，而gpu是向下收敛。二、问题分析过程1.准备dump精度对比看看区别，使用Ascend开源仓的ms...
- 文章目录一、平台简介二、深度学习模型2.1 处理数据集2.2 模型训练2.3 加载模型三、共赴算力时代一、平台简介昇思大模型平台，就像是AI学习者和开发者的超级基地，这里不仅提供丰富的项目、模型和大模型体验，还有一大堆经典数据集任你挑。AI学习有时候就像找不到高质量数据集的捉迷藏游戏，而且本地跑大数据集训练模型简直是个折磨，昇思大模型平台不仅帮助解决这些难题，还能支持各种业务场景，让你的开发... 文章目录一、平台简介二、深度学习模型2.1 处理数据集2.2 模型训练2.3 加载模型三、共赴算力时代一、平台简介昇思大模型平台，就像是AI学习者和开发者的超级基地，这里不仅提供丰富的项目、模型和大模型体验，还有一大堆经典数据集任你挑。AI学习有时候就像找不到高质量数据集的捉迷藏游戏，而且本地跑大数据集训练模型简直是个折磨，昇思大模型平台不仅帮助解决这些难题，还能支持各种业务场景，让你的开发...
- 引言在当今竞争激烈的商业环境中，准确的销售预测对于企业的成功至关重要。它不仅有助于优化库存管理、减少成本，还能提升客户满意度。Pandas作为Python中强大的数据分析库，提供了丰富的功能来处理和分析销售数据。本文将由浅入深地介绍如何使用Pandas进行销售预测，并探讨常见问题及其解决方案。 一、数据准备与初步探索 1. 数据获取销售预测的第一步是获取历史销售数据。这些数据可以来自企业内... 引言在当今竞争激烈的商业环境中，准确的销售预测对于企业的成功至关重要。它不仅有助于优化库存管理、减少成本，还能提升客户满意度。Pandas作为Python中强大的数据分析库，提供了丰富的功能来处理和分析销售数据。本文将由浅入深地介绍如何使用Pandas进行销售预测，并探讨常见问题及其解决方案。 一、数据准备与初步探索 1. 数据获取销售预测的第一步是获取历史销售数据。这些数据可以来自企业内...
- GOES-16 MCMIPF 系列 ABI 2 级云层和水汽成像全盘简介云层和水分成像产品的分辨率均为 2 公里。 1-6 波段为反射波段。 无量纲的 "反射系数 "以太阳天顶角为标准。 这些波段有助于确定云、植被、雪/冰和气溶胶的特征。 第 7-16 波段为发射波段。 大气顶部 (TOA) 的亮度温度以开尔文为单位测量。 这些波段支持根据发射特性对地表、云层、水蒸气、臭氧、火山灰和尘埃... GOES-16 MCMIPF 系列 ABI 2 级云层和水汽成像全盘简介云层和水分成像产品的分辨率均为 2 公里。 1-6 波段为反射波段。 无量纲的 "反射系数 "以太阳天顶角为标准。 这些波段有助于确定云、植被、雪/冰和气溶胶的特征。 第 7-16 波段为发射波段。 大气顶部 (TOA) 的亮度温度以开尔文为单位测量。 这些波段支持根据发射特性对地表、云层、水蒸气、臭氧、火山灰和尘埃...
- GOES-16 MCMIPC 系列 ABI 2 级云层和水汽成像 CONUS简介云层和水分成像产品的分辨率均为 2 公里。 1-6 波段为反射波段。 无量纲的 "反射系数 "以太阳天顶角为标准。 这些波段有助于确定云、植被、雪/冰和气溶胶的特征。 第 7-16 波段为发射波段。 大气顶部 (TOA) 的亮度温度以开尔文为单位测量。 这些波段支持根据发射特性对地表、云层、水蒸气、臭氧、火山... GOES-16 MCMIPC 系列 ABI 2 级云层和水汽成像 CONUS简介云层和水分成像产品的分辨率均为 2 公里。 1-6 波段为反射波段。 无量纲的 "反射系数 "以太阳天顶角为标准。 这些波段有助于确定云、植被、雪/冰和气溶胶的特征。 第 7-16 波段为发射波段。 大气顶部 (TOA) 的亮度温度以开尔文为单位测量。 这些波段支持根据发射特性对地表、云层、水蒸气、臭氧、火山...
- 简介FireCCI51：MODIS Fire_cci Burned Area Pixel Product，5.1 版ESA/CCI/FireCCI/5_1是欧空局（ESA）通过气候变化主题计划（CCI）收集的火灾数据集。该数据集提供了全球范围内的火灾相关数据。ESA/CCI/FireCCI/5_1数据集包含了以下几个主要数据产品：1. 热点数据（Hotspots）：记录了每日全球范围内的... 简介FireCCI51：MODIS Fire_cci Burned Area Pixel Product，5.1 版ESA/CCI/FireCCI/5_1是欧空局（ESA）通过气候变化主题计划（CCI）收集的火灾数据集。该数据集提供了全球范围内的火灾相关数据。ESA/CCI/FireCCI/5_1数据集包含了以下几个主要数据产品：1. 热点数据（Hotspots）：记录了每日全球范围内的...
- AirMOSS: L4 Modeled Net Ecosystem Exchange (NEE), Continental USA, 2012-2014简介AirMOSS是一个针对陆地生态系统的探测系统，用于测量和监测激活层和土壤中的水分。这里提到的AirMOSS数据集是L4模拟的净生态系统交换（NEE）数据，涵盖了2012年至2014年期间的时间范围。NEE是指在生态系统内部相对于其环... AirMOSS: L4 Modeled Net Ecosystem Exchange (NEE), Continental USA, 2012-2014简介AirMOSS是一个针对陆地生态系统的探测系统，用于测量和监测激活层和土壤中的水分。这里提到的AirMOSS数据集是L4模拟的净生态系统交换（NEE）数据，涵盖了2012年至2014年期间的时间范围。NEE是指在生态系统内部相对于其环...
- 一、引言在当今竞争激烈的商业环境中，客户流失是一个非常关键的问题。无论是电信公司、银行还是电商企业，了解哪些客户可能会流失并采取预防措施都是至关重要的。Pandas 是 Python 中用于数据分析的强大库，它提供了丰富的功能来处理和分析结构化数据。本文将从浅入深介绍如何使用 Pandas 进行客户流失预测，并探讨常见的问题、报错及解决方案。 二、数据准备与预处理 （一）加载数据首先，我们... 一、引言在当今竞争激烈的商业环境中，客户流失是一个非常关键的问题。无论是电信公司、银行还是电商企业，了解哪些客户可能会流失并采取预防措施都是至关重要的。Pandas 是 Python 中用于数据分析的强大库，它提供了丰富的功能来处理和分析结构化数据。本文将从浅入深介绍如何使用 Pandas 进行客户流失预测，并探讨常见的问题、报错及解决方案。 二、数据准备与预处理 （一）加载数据首先，我们...
- 如下图事件信息，从AI GALLERY订阅的“图像分类ResNet50-EI-Backbone”，进行训练。20年的官方“图像分类-ResNet_v1_50”算法好像没有了，只有for ascend的版本。事件开始：训练作业创建成功。2025/01/14 22:58:23 GMT+08:00然后是PodGroup调度、Pod调度与挂载Pod的卷[Pod: modelarts-job-37da... 如下图事件信息，从AI GALLERY订阅的“图像分类ResNet50-EI-Backbone”，进行训练。20年的官方“图像分类-ResNet_v1_50”算法好像没有了，只有for ascend的版本。事件开始：训练作业创建成功。2025/01/14 22:58:23 GMT+08:00然后是PodGroup调度、Pod调度与挂载Pod的卷[Pod: modelarts-job-37da...
- Centos7.9安装kerberos Centos7.9安装kerberos
- 基于华为Atlas的重车（满载）与空车（空载）识别介绍华为Atlas是华为推出的AI计算平台，基于昇腾（Ascend）AI处理器，提供强大的AI推理和训练能力。基于Atlas的重车与空车识别系统，利用深度学习模型对车辆图像或视频进行分析，判断车辆是否满载或空载。该系统广泛应用于物流、交通管理、矿山运输等领域。 应用场景物流管理：用于物流车辆的状态监控，优化运输效率。交通管理：用于交通流量监... 基于华为Atlas的重车（满载）与空车（空载）识别介绍华为Atlas是华为推出的AI计算平台，基于昇腾（Ascend）AI处理器，提供强大的AI推理和训练能力。基于Atlas的重车与空车识别系统，利用深度学习模型对车辆图像或视频进行分析，判断车辆是否满载或空载。该系统广泛应用于物流、交通管理、矿山运输等领域。 应用场景物流管理：用于物流车辆的状态监控，优化运输效率。交通管理：用于交通流量监...
- 文章目录一、UNet 算法简介1.1 什么是 UNet 算法1.2 UNet 的优缺点1.3 UNet 在图像分割领域的应用二、准备工作2.1 Python 环境配置2.2 相关库的安装三、数据处理3.1 数据的获取与预处理3.2 数据的可视化与分析四、网络结构五、训练模型5.1 模型训练流程5.2 模型评估指标5.3 模型优化方法六、基于 UNet 的医学图像分割实战案例七、总结与展望7.... 文章目录一、UNet 算法简介1.1 什么是 UNet 算法1.2 UNet 的优缺点1.3 UNet 在图像分割领域的应用二、准备工作2.1 Python 环境配置2.2 相关库的安装三、数据处理3.1 数据的获取与预处理3.2 数据的可视化与分析四、网络结构五、训练模型5.1 模型训练流程5.2 模型评估指标5.3 模型优化方法六、基于 UNet 的医学图像分割实战案例七、总结与展望7....
- 鸿蒙Next系统为多租户环境下的决策树模型提供全面的安全保障。基于微内核的可信执行环境和“星盾”安全架构，确保数据加密与隐私保护。通过统一身份认证、细粒度访问控制及存储、计算隔离技术，防止数据泄露与资源滥用。实时安全监控、审计机制和加密通信进一步强化了系统的安全性，为企业和用户在多租户场景下使用AI技术保驾护航。 鸿蒙Next系统为多租户环境下的决策树模型提供全面的安全保障。基于微内核的可信执行环境和“星盾”安全架构，确保数据加密与隐私保护。通过统一身份认证、细粒度访问控制及存储、计算隔离技术，防止数据泄露与资源滥用。实时安全监控、审计机制和加密通信进一步强化了系统的安全性，为企业和用户在多租户场景下使用AI技术保驾护航。
- 在鸿蒙Next平台上，通过数据预处理（清洗、增强）、特征工程（选择、降维）、模型训练优化（正则化、超参数调整、鲁棒损失函数）、模型集成（随机森林、梯度提升树）及异常检测等策略，可有效提升决策树模型对噪声数据的鲁棒性，确保其在实际应用中更加稳定和准确。 在鸿蒙Next平台上，通过数据预处理（清洗、增强）、特征工程（选择、降维）、模型训练优化（正则化、超参数调整、鲁棒损失函数）、模型集成（随机森林、梯度提升树）及异常检测等策略，可有效提升决策树模型对噪声数据的鲁棒性，确保其在实际应用中更加稳定和准确。
- 大模型技术在运维中的趋势分析 大模型技术在运维中的趋势分析
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·第三期2026/08/21 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；念擎-华为云AI开发者运营案例开发专家
本期直播内容：AI六层能力首次详细解读 + 新一代华为云开发者空间亮相 + 校园案例直播带练
回顾中 -
华为云监控CES新特性解读2026/08/26 周三 19:00-20:30
刘英杰-华为云监控产品专家
华为云监控 CES H1 版本重磅全新升级！本次直播特邀华为云监控产品专家，围绕特性深度解读 + 现场实操演示 + 实时线上答疑三大模块，全方位拆解版本核心亮点，直击运维各类痛点难题。助力实现告警高效配置、指标快速检索、插件便捷部署，切实降低运维工作负担，提升监控运维工作效率。欢迎预约观看，互动提问交流！
即将直播
热门标签