- MindStudio制作MindSpore TBE算子(四)算子测试(ST测试-香橙派AI pro--失败) MindStudio制作MindSpore TBE算子(四)算子测试(ST测试-香橙派AI pro--失败)
- MindStudio制作MindSpore TBE算子(三)算子测试(ST测试) MindStudio制作MindSpore TBE算子(三)算子测试(ST测试)
- MindStudio制作MindSpore TBE算子(二)算子测试 MindStudio制作MindSpore TBE算子(二)算子测试
- 向光而行,传递技术的温度。 向光而行,传递技术的温度。
- KubeEdge 1.18.0 版本发布,可靠性和安全性带来提升;如何使用昇思MindSpore框架构建基于MNIST数据集的手写数字识别模型;自然语言处理国际顶会ACL 2024公布投稿录用结果,华为云技术创新部—AI系统创新Lab的论文《Uni-Dubbing: Zero-Shot Speech Synthesis from Visual Articulation》被接受录用... KubeEdge 1.18.0 版本发布,可靠性和安全性带来提升;如何使用昇思MindSpore框架构建基于MNIST数据集的手写数字识别模型;自然语言处理国际顶会ACL 2024公布投稿录用结果,华为云技术创新部—AI系统创新Lab的论文《Uni-Dubbing: Zero-Shot Speech Synthesis from Visual Articulation》被接受录用...
- 开发者热点直播,热门产品体验,社区话题互动、技术热点投票等精彩活动等你来! 开发者热点直播,热门产品体验,社区话题互动、技术热点投票等精彩活动等你来!
- 华为云桌面连续八年领跑中国桌面云市场;基于盘古大模型技术打造的华为云智能开发助手CodeArts Snap,秒变技术大牛;华为云Stack CMS服务提供了一套最适配政企的虚拟机跨云搬迁解决方案... 华为云桌面连续八年领跑中国桌面云市场;基于盘古大模型技术打造的华为云智能开发助手CodeArts Snap,秒变技术大牛;华为云Stack CMS服务提供了一套最适配政企的虚拟机跨云搬迁解决方案...
- 本次大赛由量子信息网络产业联盟主办,昇思MindSpore Quantum社区承办,多所高校和单位联合举办。开发者将全面体验全新一代通用量子计算框架MindSpore Quantum。全新的竞赛体验,卓越的算法性能,活跃的开源社区!诚邀您报名参赛,勇攀量子世界的高峰! 本次大赛由量子信息网络产业联盟主办,昇思MindSpore Quantum社区承办,多所高校和单位联合举办。开发者将全面体验全新一代通用量子计算框架MindSpore Quantum。全新的竞赛体验,卓越的算法性能,活跃的开源社区!诚邀您报名参赛,勇攀量子世界的高峰!
- 致敬卓然而立的你们,节日快乐! 致敬卓然而立的你们,节日快乐!
- 完整地介绍了MindStudio全流程开发工具链如何通过大模型迁移、精度调试、性能调优三大步骤,支持用户以低成本快速提升百亿千亿大模型训练性能,提高开发效率。 完整地介绍了MindStudio全流程开发工具链如何通过大模型迁移、精度调试、性能调优三大步骤,支持用户以低成本快速提升百亿千亿大模型训练性能,提高开发效率。
- 华为云CodeArts APIMock重磅发布三大特性;基于MindSpore的llama微调;一文详解GaussDB(DWS)临时表的本地临时表;一站式提供xml外部实体注入攻击的相关基础概念、原理分析、实战演练、安全编码防御以及自动化防御工具... 华为云CodeArts APIMock重磅发布三大特性;基于MindSpore的llama微调;一文详解GaussDB(DWS)临时表的本地临时表;一站式提供xml外部实体注入攻击的相关基础概念、原理分析、实战演练、安全编码防御以及自动化防御工具...
- 你知道最近火出圈的大模型吗?想知道它是怎样实现轻松上手、简单易用的吗?MindSpore自动并行带你几行代码玩转大模型! 你知道最近火出圈的大模型吗?想知道它是怎样实现轻松上手、简单易用的吗?MindSpore自动并行带你几行代码玩转大模型!
- 介绍MindSpore常用的分布式并行训练技术,以及如何将并行技术应用到大模型预训练中。 介绍MindSpore常用的分布式并行训练技术,以及如何将并行技术应用到大模型预训练中。
- 传统AI应用研发和部署通常将模型和‘支持工程(如解码、HTTP、预处理、后处理、运行环境)’分开研发,在部署时使用GPU部署PB或者TRT模型。这种场景下,尤其是对新应用,核心模型研发和支持工程研发会一样耗时。同时在未来的运维更迭中,算法性能和可靠性通常随开发人员水平变得参差不齐,影响上线效率。ModelBox+Mindspore可以有效解决上述痛点,帮助用户高效、高质量开发AI应用。 传统AI应用研发和部署通常将模型和‘支持工程(如解码、HTTP、预处理、后处理、运行环境)’分开研发,在部署时使用GPU部署PB或者TRT模型。这种场景下,尤其是对新应用,核心模型研发和支持工程研发会一样耗时。同时在未来的运维更迭中,算法性能和可靠性通常随开发人员水平变得参差不齐,影响上线效率。ModelBox+Mindspore可以有效解决上述痛点,帮助用户高效、高质量开发AI应用。
- 为大家介绍大模型低参微调套件:MindSpore PET;从事务模式和Lua脚本,为你讲透Redis事务;看OpenTiny如何帮助还在使用 JS 的朋友快速使用上 TS,享受TS带来的丝滑体验... 为大家介绍大模型低参微调套件:MindSpore PET;从事务模式和Lua脚本,为你讲透Redis事务;看OpenTiny如何帮助还在使用 JS 的朋友快速使用上 TS,享受TS带来的丝滑体验...
上滑加载中