- 从实验出发，帮助小白在增强理论知识时，熟悉MindSpore框架的使用。 从实验出发，帮助小白在增强理论知识时，熟悉MindSpore框架的使用。
- mind的 mind的
- 模型一键迁移情感分析：对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。BERT(Bidirectional Encoder Representations from Transformers)是由Google提出的具有里程碑意义的自然语言理解模型，BERT能够充分利用海量的无标注数据对模型进行预训练，另模型学习到大量的语言知识。基于预训练先验知识的情况下，通过在下游任务上进行微... 模型一键迁移情感分析：对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。BERT(Bidirectional Encoder Representations from Transformers)是由Google提出的具有里程碑意义的自然语言理解模型，BERT能够充分利用海量的无标注数据对模型进行预训练，另模型学习到大量的语言知识。基于预训练先验知识的情况下，通过在下游任务上进行微...
- 1.ModelArts云上调试调优ModelArts密钥初始化详细教程：初始化OBS服务创建训练作业 2.MindSpore IDE插件效率提升通过智能代码块推荐、代码自动补全等特性，提升MindSpore脚本开发效率，对接ModelArts云服务，实现模型训练、部署的端云协同。MindSpore IDE插件安装：PyCharm Settings->Plugins->Install Plu... 1.ModelArts云上调试调优ModelArts密钥初始化详细教程：初始化OBS服务创建训练作业 2.MindSpore IDE插件效率提升通过智能代码块推荐、代码自动补全等特性，提升MindSpore脚本开发效率，对接ModelArts云服务，实现模型训练、部署的端云协同。MindSpore IDE插件安装：PyCharm Settings->Plugins->Install Plu...
- 1.生态迁移 生态迁移工具使用示例 生态迁移工具技术方案不同框架间模型定义前端表达差别巨大(相同算子的API技术难点 、算子功能、模型构建方式差别较大)；对于同一框架，不管前端表达差异如何，最终对应的计算图是相似的。因此提出：基于模型的迁移方案 onnx介绍： 生态迁移工具迁移案例分享教程步骤：ONNX模型导出；ONNX模型验证；MindConverter进行模型脚本和权重迁移；MindS... 1.生态迁移 生态迁移工具使用示例 生态迁移工具技术方案不同框架间模型定义前端表达差别巨大(相同算子的API技术难点 、算子功能、模型构建方式差别较大)；对于同一框架，不管前端表达差异如何，最终对应的计算图是相似的。因此提出：基于模型的迁移方案 onnx介绍： 生态迁移工具迁移案例分享教程步骤：ONNX模型导出；ONNX模型验证；MindConverter进行模型脚本和权重迁移；MindS...
- 1.模型迁移、模型调试调优背景介绍模型训练\推理过程中可能遇到的问题：• 代码编写错误，问题难以定位；• 模型结构错误；• 权重更新错误；• 损失函数设计错误；• 半精度下计算溢出；• Loss scale调整不当；• 过拟合、欠拟合；• 梯度消失/爆炸；• 激活值饱和；• 学习率设置不当；• 批大小（batch size）、期（Epoch）设置不当；• 模型训练/推理慢；• … 2.Mi... 1.模型迁移、模型调试调优背景介绍模型训练\推理过程中可能遇到的问题：• 代码编写错误，问题难以定位；• 模型结构错误；• 权重更新错误；• 损失函数设计错误；• 半精度下计算溢出；• Loss scale调整不当；• 过拟合、欠拟合；• 梯度消失/爆炸；• 激活值饱和；• 学习率设置不当；• 批大小（batch size）、期（Epoch）设置不当；• 模型训练/推理慢；• … 2.Mi...
- > 接【2023 · CANN训练营第一季】应用开发深入讲解——第一章 模型转换（1）第3章 模型转换 ——模型转换工具使用模型转换工具介绍在这里插入图片描述约束说明在这里插入图片描述模型转换工具演示使用MindStudio图形界面进行转换AIPP设置 MindStudio 安装流程可以参考官方链接进行安装 MindStudio安装流程 安装流程在这里插入图片描述在MindStudio中选择... > 接【2023 · CANN训练营第一季】应用开发深入讲解——第一章 模型转换（1）第3章 模型转换 ——模型转换工具使用模型转换工具介绍在这里插入图片描述约束说明在这里插入图片描述模型转换工具演示使用MindStudio图形界面进行转换AIPP设置 MindStudio 安装流程可以参考官方链接进行安装 MindStudio安装流程 安装流程在这里插入图片描述在MindStudio中选择...
- 此次实验是我第一次一个人一组完成对一块开发板的大实验设计，从过程来讲比一组一块开发板更加有趣和灵活，设计方面更加自由，考虑到 HUAWEI 的 Ascend 处理器擅长处理 AI 模型，因此从一开始我就想在开发板上部署一个人工智能模型。选择和部署模型的过程非常坎坷，最早的时候，想到 HUAWEI 开发的开源 MindSpore 框架，如果可以在 Ascend310 上使用，那效果和意义都很不... 此次实验是我第一次一个人一组完成对一块开发板的大实验设计，从过程来讲比一组一块开发板更加有趣和灵活，设计方面更加自由，考虑到 HUAWEI 的 Ascend 处理器擅长处理 AI 模型，因此从一开始我就想在开发板上部署一个人工智能模型。选择和部署模型的过程非常坎坷，最早的时候，想到 HUAWEI 开发的开源 MindSpore 框架，如果可以在 Ascend310 上使用，那效果和意义都很不...
- 使用的conda3 python3.7.5 env，开始的时候安装MindSpore1.9.0就报错，换成清华源镜像后终于能下了，但是跟龟速一样的。现在想办法有没有更快的路径…… 使用的conda3 python3.7.5 env，开始的时候安装MindSpore1.9.0就报错，换成清华源镜像后终于能下了，但是跟龟速一样的。现在想办法有没有更快的路径……
- 随着国家科技水平的发展和国民经济水平的提高，人们对于出行的要求也让汽车行业得以迅猛的发展。但是，汽车行业的迅猛发展，在方便人们的出行的同时，也导致了交通事故率的显著提高。 随着国家科技水平的发展和国民经济水平的提高，人们对于出行的要求也让汽车行业得以迅猛的发展。但是，汽车行业的迅猛发展，在方便人们的出行的同时，也导致了交通事故率的显著提高。
- MindSpore新一代分子模拟库：SPONGE，由北大和深圳湾实验室高毅勤课题组与华为MindSpore团队联合开发，具有高性能、模块化等特性，是一个完全自主研发的分子模拟软件库。基于MindSpore自动并行、图算融合等特性，SPONGE可高效地完成传统分子模拟过程，利用MindSpore自动微分的特性，可以将神经网络等AI方法与传统分子模拟进行结合。背景介绍分子模拟是指利用计算机以原子... MindSpore新一代分子模拟库：SPONGE，由北大和深圳湾实验室高毅勤课题组与华为MindSpore团队联合开发，具有高性能、模块化等特性，是一个完全自主研发的分子模拟软件库。基于MindSpore自动并行、图算融合等特性，SPONGE可高效地完成传统分子模拟过程，利用MindSpore自动微分的特性，可以将神经网络等AI方法与传统分子模拟进行结合。背景介绍分子模拟是指利用计算机以原子...
- https://blog.csdn.net/weixin_45014634/article/details/107899341?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166669016216800184151734%2522%252C%2522scm%2522%253A%252220140713.130102334..... https://blog.csdn.net/weixin_45014634/article/details/107899341?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166669016216800184151734%2522%252C%2522scm%2522%253A%252220140713.130102334.....
- MindSpore 因果推理与因果发现实战因果推理是人工智能领域的重要研究方向，它超越了传统相关性分析，致力于揭示变量之间的因果关系。本文将深入探讨如何使用 MindSpore 实现因果发现算法和因果推理模型，帮助读者掌握这一前沿技术。 一、因果推理基础理论 1.1 相关性与因果性的区别在机器学习中，我们经常遇到"相关性不等于因果性"的问题。例如，冰淇淋销量与溺水事件呈正相关，但这并不意味... MindSpore 因果推理与因果发现实战因果推理是人工智能领域的重要研究方向，它超越了传统相关性分析，致力于揭示变量之间的因果关系。本文将深入探讨如何使用 MindSpore 实现因果发现算法和因果推理模型，帮助读者掌握这一前沿技术。 一、因果推理基础理论 1.1 相关性与因果性的区别在机器学习中，我们经常遇到"相关性不等于因果性"的问题。例如，冰淇淋销量与溺水事件呈正相关，但这并不意味...
- MindSpore 混合精度训练实战 引言在深度学习模型训练过程中，计算资源消耗和训练时间一直是制约模型开发的瓶颈。随着模型规模的不断增长，如何在保证模型精度的前提下，提升训练速度、降低内存占用，成为业界关注的焦点。混合精度训练（Mixed Precision Training）作为一种高效的训练策略，通过在训练过程中混合使用单精度（FP32）和半精度（FP16）计算，显著提升了训练效率，... MindSpore 混合精度训练实战 引言在深度学习模型训练过程中，计算资源消耗和训练时间一直是制约模型开发的瓶颈。随着模型规模的不断增长，如何在保证模型精度的前提下，提升训练速度、降低内存占用，成为业界关注的焦点。混合精度训练（Mixed Precision Training）作为一种高效的训练策略，通过在训练过程中混合使用单精度（FP32）和半精度（FP16）计算，显著提升了训练效率，...
- MindSpore 元学习（Meta-Learning）实战 一、引言深度学习的成功很大程度上依赖于海量标注数据。然而在许多实际场景中——医疗影像诊断、稀有物种识别、工业缺陷检测——获取大量标注样本既昂贵又不现实。元学习（Meta-Learning），又称"学会学习"（Learning to Learn），正是为解决这一根本矛盾而生的范式。元学习的核心思想是：通过在大量相关任务上进行训练，... MindSpore 元学习（Meta-Learning）实战 一、引言深度学习的成功很大程度上依赖于海量标注数据。然而在许多实际场景中——医疗影像诊断、稀有物种识别、工业缺陷检测——获取大量标注样本既昂贵又不现实。元学习（Meta-Learning），又称"学会学习"（Learning to Learn），正是为解决这一根本矛盾而生的范式。元学习的核心思想是：通过在大量相关任务上进行训练，...
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签