- 用户将TensorFlow训练网络迁移到昇腾平台后，如果存在性能不达标的问题，就需要进行调优。本文就带大家了解在昇腾平台上对TensorFlow训练网络进行性能调优的常用手段。 用户将TensorFlow训练网络迁移到昇腾平台后，如果存在性能不达标的问题，就需要进行调优。本文就带大家了解在昇腾平台上对TensorFlow训练网络进行性能调优的常用手段。
- 火到现在的ChatGPT到底是什么，它背后有哪些技术，对于我们的工作和生活会有啥影响，快来一起了解吧~ 火到现在的ChatGPT到底是什么，它背后有哪些技术，对于我们的工作和生活会有啥影响，快来一起了解吧~
- 本系列为自然语言处理导论与Python实践系列的第一篇，主要对词汇分析进行介绍，一些语言方面的基础知识（词性、词语规范化）需要大家自行阅读《自然语言处理导论》第二章。词汇分析主要包含分词与词性标注两部分，分词部分将以中文分词为例进行介绍。 本系列为自然语言处理导论与Python实践系列的第一篇，主要对词汇分析进行介绍，一些语言方面的基础知识（词性、词语规范化）需要大家自行阅读《自然语言处理导论》第二章。词汇分析主要包含分词与词性标注两部分，分词部分将以中文分词为例进行介绍。
- 推荐系统[一]：超详细知识介绍，一份完整的入门指南，解答推荐系统相关算法流程、衡量指标和应用，以及如何使用jieba分词库进行相似推荐 推荐系统[一]：超详细知识介绍，一份完整的入门指南，解答推荐系统相关算法流程、衡量指标和应用，以及如何使用jieba分词库进行相似推荐
- 为大家详细介绍下图像分类比赛的完整流程。为大家提供从数据处理，到模型搭建，损失函数、优化算法选择，学习率调整策略到模型训练，以及推理输出一条龙服务。 为大家详细介绍下图像分类比赛的完整流程。为大家提供从数据处理，到模型搭建，损失函数、优化算法选择，学习率调整策略到模型训练，以及推理输出一条龙服务。
- 滑动平均(exponential moving average)，或者叫做指数加权平均(exponentially weighted moving average)，可以用来估计变量的局部均值，使得变量的更新与一段时间内的历史取值有关。 滑动平均(exponential moving average)，或者叫做指数加权平均(exponentially weighted moving average)，可以用来估计变量的局部均值，使得变量的更新与一段时间内的历史取值有关。
- 当我们处理的数据具有不同尺度时，执行数据标准化操作是很有必要的。本文给出了数据标准化(Normalization)的定义、常用方法以及为什么要做数据标准化，并给出相关代码实现。最后将Normalization概念应用于图像领域，并给出实现的相关细节以及示例代码。 当我们处理的数据具有不同尺度时，执行数据标准化操作是很有必要的。本文给出了数据标准化(Normalization)的定义、常用方法以及为什么要做数据标准化，并给出相关代码实现。最后将Normalization概念应用于图像领域，并给出实现的相关细节以及示例代码。
- @[toc]在上一篇文章中完成了前期的准备工作，见链接：PoolFormer实战：使用PoolFormer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 tor... @[toc]在上一篇文章中完成了前期的准备工作，见链接：PoolFormer实战：使用PoolFormer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 tor...
- @[toc] 摘要论文：https://arxiv.org/abs/2111.11418论文翻译：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/128281326官方源码：https://github.com/sail-sg/poolformer模型代码解析：https://blog.csdn.net/hhhhhhhhh... @[toc] 摘要论文：https://arxiv.org/abs/2111.11418论文翻译：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/128281326官方源码：https://github.com/sail-sg/poolformer模型代码解析：https://blog.csdn.net/hhhhhhhhh...
- @[toc] 摘要论文翻译：【第58篇】DEiT：通过注意力训练数据高效的图像transformer &蒸馏DEiT通过引入一个蒸馏token实现蒸馏，蒸馏的方式有两种：1、将蒸馏token作为Teacher标签。两个token通过注意力在transformer中相互作用。实现蒸馏。用法参考：DEiT实战：使用DEiT实现图像分类任务（一）2、通过卷积神经网络去蒸馏蒸馏token，让tran... @[toc] 摘要论文翻译：【第58篇】DEiT：通过注意力训练数据高效的图像transformer &蒸馏DEiT通过引入一个蒸馏token实现蒸馏，蒸馏的方式有两种：1、将蒸馏token作为Teacher标签。两个token通过注意力在transformer中相互作用。实现蒸馏。用法参考：DEiT实战：使用DEiT实现图像分类任务（一）2、通过卷积神经网络去蒸馏蒸馏token，让tran...
- 数据增强（也叫数据扩增）的目的是为了扩充数据和提升模型的泛化能力。有效的数据扩充不仅能扩充训练样本数量，还能增加训练样本的多样性，一方面可避免过拟合，另一方面又会带来模型性能的提升。 数据增强（也叫数据扩增）的目的是为了扩充数据和提升模型的泛化能力。有效的数据扩充不仅能扩充训练样本数量，还能增加训练样本的多样性，一方面可避免过拟合，另一方面又会带来模型性能的提升。
- @toc 1、数据集介绍 鸢尾花数据集，其提供了 150 组鸢尾花数据，每组包括鸢尾花的花萼 长、花萼宽、花瓣长、花瓣宽 4 个输入特征，同时还给出了这一组特征对应的 鸢尾花类别。类别包括狗尾鸢尾、杂色鸢尾、弗吉尼亚鸢尾三类， 分别用数字 0、1、2 表示。 使用次数据集的代码如下：from sklearn.datasets import load_irisx_data = datase... @toc 1、数据集介绍 鸢尾花数据集，其提供了 150 组鸢尾花数据，每组包括鸢尾花的花萼 长、花萼宽、花瓣长、花瓣宽 4 个输入特征，同时还给出了这一组特征对应的 鸢尾花类别。类别包括狗尾鸢尾、杂色鸢尾、弗吉尼亚鸢尾三类， 分别用数字 0、1、2 表示。 使用次数据集的代码如下：from sklearn.datasets import load_irisx_data = datase...
- 1 ModelBox社区案例 - 使用YOLOX做垃圾分类本案例将使用YOLOX模型，实现一个简单的垃圾分类应用，最终效果如下所示： 本案例所需资源（代码、模型、测试数据等）均可从garbage_det下载1.1 模型训练与转换模型采用的是YOLOX网络结构，YOLOX是YOLO系列的优化版本，引入了解耦头、数据增强、无锚点以及标签分类等目标检测领域的优秀进展，拥有较好的精度表... 1 ModelBox社区案例 - 使用YOLOX做垃圾分类本案例将使用YOLOX模型，实现一个简单的垃圾分类应用，最终效果如下所示： 本案例所需资源（代码、模型、测试数据等）均可从garbage_det下载1.1 模型训练与转换模型采用的是YOLOX网络结构，YOLOX是YOLO系列的优化版本，引入了解耦头、数据增强、无锚点以及标签分类等目标检测领域的优秀进展，拥有较好的精度表...
- Instance-aware Image ColorizationInstance-aware Image Colorization 实例感知图像上色Jheng-Wei Su,Hung-Kuo Chu, andJia-Bin HuangIn IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2020.图像着... Instance-aware Image ColorizationInstance-aware Image Colorization 实例感知图像上色Jheng-Wei Su,Hung-Kuo Chu, andJia-Bin HuangIn IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2020.图像着...
- 小样本学习 本baseline采用pytorch框架，应用ModelArts的Notebook进行开发 为该论文复现代码Cross-Domain Few-Shot Classification via Learned Feature-Wise TransformationHung-Yu Tseng, Hsin-Ying Lee, Jia-Bin Huang, Ming-Hsuan Yang... 小样本学习 本baseline采用pytorch框架，应用ModelArts的Notebook进行开发 为该论文复现代码Cross-Domain Few-Shot Classification via Learned Feature-Wise TransformationHung-Yu Tseng, Hsin-Ying Lee, Jia-Bin Huang, Ming-Hsuan Yang...
上滑加载中
推荐直播
-
OpenHarmony应用开发之网络数据请求与数据解析2025/01/16 周四 19:00-20:30
华为开发者布道师、南京师范大学泰州学院副教授，硕士研究生导师，开放原子教育银牌认证讲师
科技浪潮中，鸿蒙生态强势崛起，OpenHarmony开启智能终端无限可能。当下，其原生应用开发适配潜力巨大，终端设备已广泛融入生活各场景，从家居到办公、穿戴至车载。 现在，机会敲门！我们的直播聚焦OpenHarmony关键的网络数据请求与解析，抛开晦涩理论，用真实案例带你掌握数据访问接口，轻松应对复杂网络请求、精准解析Json与Xml数据。参与直播，为开发鸿蒙App夯实基础，抢占科技新高地，别错过！
回顾中 -
Ascend C高层API设计原理与实现系列2025/01/17 周五 15:30-17:00
Ascend C 技术专家
以LayerNorm算子开发为例，讲解开箱即用的Ascend C高层API
回顾中
热门标签