- HarmonyOS开发：MindSpore Lite端侧AI推理框架全解析核心要点：MindSpore Lite是华为面向端侧AI推理的轻量级框架，支持模型转换、推理调度、硬件加速全链路能力。本文从框架架构、模型加载、推理执行到性能调优，全方位解析其在HarmonyOS上的实战应用。 一、背景与动机你有没有想过，为什么手机拍照时美颜效果能实时呈现？为什么语音助手能在断网的情况下依然听懂你说... HarmonyOS开发：MindSpore Lite端侧AI推理框架全解析核心要点：MindSpore Lite是华为面向端侧AI推理的轻量级框架，支持模型转换、推理调度、硬件加速全链路能力。本文从框架架构、模型加载、推理执行到性能调优，全方位解析其在HarmonyOS上的实战应用。 一、背景与动机你有没有想过，为什么手机拍照时美颜效果能实时呈现？为什么语音助手能在断网的情况下依然听懂你说...
- 本文通过 MindSpore 的API完整实现一个深度学习模型，涉及到模型训练的各个环节，对学习 MindSpore 的模型训练很有作用。 本文通过 MindSpore 的API完整实现一个深度学习模型，涉及到模型训练的各个环节，对学习 MindSpore 的模型训练很有作用。
- 本文主要介绍了昇思 MindSpore 的数据处理功能。 本文主要介绍了昇思 MindSpore 的数据处理功能。
- MindSpore 迁移学习实战 引言在深度学习领域，从零开始训练一个高性能模型往往需要海量的标注数据和巨大的计算资源。然而在实际项目中，我们常常面临数据不足、计算资源有限的困境。迁移学习（Transfer Learning）正是解决这一问题的利器——通过将在大规模数据集上预训练的模型迁移到目标任务，我们只需少量数据和适度计算就能获得优异性能。MindSpore 作为一个全场景深度学习框架... MindSpore 迁移学习实战 引言在深度学习领域，从零开始训练一个高性能模型往往需要海量的标注数据和巨大的计算资源。然而在实际项目中，我们常常面临数据不足、计算资源有限的困境。迁移学习（Transfer Learning）正是解决这一问题的利器——通过将在大规模数据集上预训练的模型迁移到目标任务，我们只需少量数据和适度计算就能获得优异性能。MindSpore 作为一个全场景深度学习框架...
- 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，...
- MindSpore 模型可视化与调试实战模型训练过程中，“黑箱"问题一直是深度学习开发者面临的挑战。当模型表现不佳时，如何快速定位问题根源？当训练收敛缓慢时，如何判断是数据问题还是模型结构问题？本文基于 MindSpore Vision 可视化工具链，从训练过程可视化到模型结构分析，从梯度监控到性能调优，带你掌握 MindSpore 全栈调试技能，让模型训练从"盲人摸象"变为"洞若观火”。... MindSpore 模型可视化与调试实战模型训练过程中，“黑箱"问题一直是深度学习开发者面临的挑战。当模型表现不佳时，如何快速定位问题根源？当训练收敛缓慢时，如何判断是数据问题还是模型结构问题？本文基于 MindSpore Vision 可视化工具链，从训练过程可视化到模型结构分析，从梯度监控到性能调优，带你掌握 MindSpore 全栈调试技能，让模型训练从"盲人摸象"变为"洞若观火”。...
- MindSpore 神经网络架构搜索（NAS）实战 引言深度学习模型的性能在很大程度上取决于网络架构的设计。传统的模型开发流程中，网络架构的设计往往依赖于研究人员的经验和大量试错，这不仅耗时耗力，而且难以保证找到最优的架构。神经网络架构搜索（Neural Architecture Search，NAS）作为一种自动化方法，通过算法在预设的搜索空间中自动寻找最优的网络结构，彻底改变了这一局面... MindSpore 神经网络架构搜索（NAS）实战 引言深度学习模型的性能在很大程度上取决于网络架构的设计。传统的模型开发流程中，网络架构的设计往往依赖于研究人员的经验和大量试错，这不仅耗时耗力，而且难以保证找到最优的架构。神经网络架构搜索（Neural Architecture Search，NAS）作为一种自动化方法，通过算法在预设的搜索空间中自动寻找最优的网络结构，彻底改变了这一局面...
- MindSpore 时序预测与 LSTM 实战 一、引言时序预测是机器学习和深度学习领域中最具挑战性也最具应用价值的任务之一。从股票价格预测、天气预测、能源消耗预测到疾病传播建模，时序数据无处不在，对时序预测模型的需求也日益增长。长短期记忆网络（LSTM）作为循环神经网络（RNN）的重要变体，专门设计用于解决长期依赖问题，在时序预测任务中展现出卓越的性能。MindSpore是华为自主研发的... MindSpore 时序预测与 LSTM 实战 一、引言时序预测是机器学习和深度学习领域中最具挑战性也最具应用价值的任务之一。从股票价格预测、天气预测、能源消耗预测到疾病传播建模，时序数据无处不在，对时序预测模型的需求也日益增长。长短期记忆网络（LSTM）作为循环神经网络（RNN）的重要变体，专门设计用于解决长期依赖问题，在时序预测任务中展现出卓越的性能。MindSpore是华为自主研发的...
- MindSpore 多模态学习实战 一、引言在人工智能快速发展的今天，单一模态的学习已经无法满足复杂场景的需求。多模态学习（Multimodal Learning）作为深度学习的前沿领域，旨在通过融合视觉、文本、音频等多种模态信息，构建更智能、更强大的AI系统。从图像描述生成到视觉问答，从跨模态检索到多模态情感分析，多模态学习的应用场景日益广泛。MindSpore作为华为开源的深度学习框架... MindSpore 多模态学习实战 一、引言在人工智能快速发展的今天，单一模态的学习已经无法满足复杂场景的需求。多模态学习（Multimodal Learning）作为深度学习的前沿领域，旨在通过融合视觉、文本、音频等多种模态信息，构建更智能、更强大的AI系统。从图像描述生成到视觉问答，从跨模态检索到多模态情感分析，多模态学习的应用场景日益广泛。MindSpore作为华为开源的深度学习框架...
- MindSpore 强化学习实战 一、引言强化学习（Reinforcement Learning，RL）是机器学习领域三大分支之一，与监督学习和无监督学习并列。与监督学习不同，强化学习强调智能体（Agent）通过与环境（Environment）的持续交互来学习最优策略。在每一轮交互中，智能体根据当前状态（State）选择动作（Action），环境随后返回新的状态和奖励（Reward），智能... MindSpore 强化学习实战 一、引言强化学习（Reinforcement Learning，RL）是机器学习领域三大分支之一，与监督学习和无监督学习并列。与监督学习不同，强化学习强调智能体（Agent）通过与环境（Environment）的持续交互来学习最优策略。在每一轮交互中，智能体根据当前状态（State）选择动作（Action），环境随后返回新的状态和奖励（Reward），智能...
- MindSpore 推荐系统实战推荐系统是现代互联网应用的核心技术之一，从电商平台的商品推荐到视频平台的个性化内容推送，推荐算法无处不在。本文将深入讲解如何使用 MindSpore 构建一个完整的推荐系统，涵盖协同过滤、矩阵分解、深度学习推荐模型等核心技术。 一、推荐系统概述 1.1 推荐系统的价值推荐系统的核心目标是解决信息过载问题，帮助用户从海量内容中发现感兴趣的物品。一个优秀的推荐系... MindSpore 推荐系统实战推荐系统是现代互联网应用的核心技术之一，从电商平台的商品推荐到视频平台的个性化内容推送，推荐算法无处不在。本文将深入讲解如何使用 MindSpore 构建一个完整的推荐系统，涵盖协同过滤、矩阵分解、深度学习推荐模型等核心技术。 一、推荐系统概述 1.1 推荐系统的价值推荐系统的核心目标是解决信息过载问题，帮助用户从海量内容中发现感兴趣的物品。一个优秀的推荐系...
- MindSpore 动态图与静态图深度解析 前言在深度学习框架的世界里，动态图（Dynamic Graph）和静态图（Static Graph）是两种核心的执行模式。它们各有优劣，理解它们的区别对于深度学习开发者来说至关重要。本文将深入解析 MindSpore 框架中的动态图与静态图机制，通过详细的代码对比和原理分析，帮助读者在实际开发中做出正确的选择。 一、什么是动态图 1.1 动态图的... MindSpore 动态图与静态图深度解析 前言在深度学习框架的世界里，动态图（Dynamic Graph）和静态图（Static Graph）是两种核心的执行模式。它们各有优劣，理解它们的区别对于深度学习开发者来说至关重要。本文将深入解析 MindSpore 框架中的动态图与静态图机制，通过详细的代码对比和原理分析，帮助读者在实际开发中做出正确的选择。 一、什么是动态图 1.1 动态图的...
- 前言人脸识别是计算机视觉领域最成熟、应用最广泛的技术之一，从手机解锁到安防监控，从支付验证到门禁系统，无处不在。一个完整的人脸识别系统包含三个核心模块：人脸检测、人脸对齐、人脸识别，以及工业级应用必需的活体检测。本文将使用 MindSpore 框架，从零构建一个完整的人脸识别系统，涵盖：人脸检测（MTCNN 算法）人脸关键点对齐人脸识别（FaceNet/InsightFace 风格）活体检测... 前言人脸识别是计算机视觉领域最成熟、应用最广泛的技术之一，从手机解锁到安防监控，从支付验证到门禁系统，无处不在。一个完整的人脸识别系统包含三个核心模块：人脸检测、人脸对齐、人脸识别，以及工业级应用必需的活体检测。本文将使用 MindSpore 框架，从零构建一个完整的人脸识别系统，涵盖：人脸检测（MTCNN 算法）人脸关键点对齐人脸识别（FaceNet/InsightFace 风格）活体检测...
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