- 摘要：本文介绍如何使用 MindSpore 国产 AI 框架与 TDengine 时序数据库结合，实现工业数据的智能分析和预测。一、国产 AI 生态在信创背景下，国产 AI 框架 MindSpore 正成为企业首选。结合 TDengine 时序数据库，可以构建完整的国产数据分析栈。二、数据准备2.1 从 TDengine 加载数据import taosimport mindspore as ... 摘要：本文介绍如何使用 MindSpore 国产 AI 框架与 TDengine 时序数据库结合，实现工业数据的智能分析和预测。一、国产 AI 生态在信创背景下，国产 AI 框架 MindSpore 正成为企业首选。结合 TDengine 时序数据库，可以构建完整的国产数据分析栈。二、数据准备2.1 从 TDengine 加载数据import taosimport mindspore as ...
- 时序数据库、TDengine、MindSpore、国产 AI、异常检测 时序数据库、TDengine、MindSpore、国产 AI、异常检测
- 摘要：本文介绍如何使用 MindSpore 国产 AI 框架与 TDengine 时序数据库结合，实现工业数据的智能分析和预测。一、国产 AI 生态在信创背景下，国产 AI 框架 MindSpore 正成为企业首选。结合 TDengine 时序数据库，可以构建完整的国产数据分析栈。二、数据准备2.1 从 TDengine 加载数据import taosimport mindspore as ... 摘要：本文介绍如何使用 MindSpore 国产 AI 框架与 TDengine 时序数据库结合，实现工业数据的智能分析和预测。一、国产 AI 生态在信创背景下，国产 AI 框架 MindSpore 正成为企业首选。结合 TDengine 时序数据库，可以构建完整的国产数据分析栈。二、数据准备2.1 从 TDengine 加载数据import taosimport mindspore as ...
- HarmonyOS开发：NNAPI硬件加速适配与多NPU调度核心要点：NNAPI是HarmonyOS连接AI推理框架与底层NPU硬件的桥梁，掌握NNAPI适配与多NPU调度，是释放端侧AI极致性能的关键。本文从NNAPI架构原理、设备发现、算子适配、多NPU负载均衡到故障容错，全方位解析硬件加速的实战技巧。 一、背景与动机你有没有想过，为什么同样的模型，在旗舰机上推理只要5ms，在入门机上... HarmonyOS开发：NNAPI硬件加速适配与多NPU调度核心要点：NNAPI是HarmonyOS连接AI推理框架与底层NPU硬件的桥梁，掌握NNAPI适配与多NPU调度，是释放端侧AI极致性能的关键。本文从NNAPI架构原理、设备发现、算子适配、多NPU负载均衡到故障容错，全方位解析硬件加速的实战技巧。 一、背景与动机你有没有想过，为什么同样的模型，在旗舰机上推理只要5ms，在入门机上...
- HarmonyOS APP开发：模型量化技术（INT8/FP16）与精度保持核心要点：模型量化是端侧AI部署的"必选项"——一个FP32的ResNet-50要100MB，量化为INT8后只有25MB，推理速度提升2-4倍。但量化不是免费的午餐，精度损失是最大的代价。本文深入讲解INT8/FP16量化原理、校准策略、精度评估方法，以及在HarmonyOS上的完整实战。 一、背景与动机先算一笔... HarmonyOS APP开发：模型量化技术（INT8/FP16）与精度保持核心要点：模型量化是端侧AI部署的"必选项"——一个FP32的ResNet-50要100MB，量化为INT8后只有25MB，推理速度提升2-4倍。但量化不是免费的午餐，精度损失是最大的代价。本文深入讲解INT8/FP16量化原理、校准策略、精度评估方法，以及在HarmonyOS上的完整实战。 一、背景与动机先算一笔...
- HarmonyOS APP开发：AI模型部署与资源管理策略核心要点：AI模型从训练完成到端侧运行，中间隔着一条"部署鸿沟"。本文深入探讨HarmonyOS应用中AI模型的打包分发、动态加载、内存管理、多模型调度等核心策略，帮你构建高效稳定的端侧AI应用。 一、背景与动机想象一下这个场景：你花了两周时间训练了一个超赞的目标检测模型，精度达到95%，拿到手机上一跑——OOM了。这不是段子，这是... HarmonyOS APP开发：AI模型部署与资源管理策略核心要点：AI模型从训练完成到端侧运行，中间隔着一条"部署鸿沟"。本文深入探讨HarmonyOS应用中AI模型的打包分发、动态加载、内存管理、多模型调度等核心策略，帮你构建高效稳定的端侧AI应用。 一、背景与动机想象一下这个场景：你花了两周时间训练了一个超赞的目标检测模型，精度达到95%，拿到手机上一跑——OOM了。这不是段子，这是...
- 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...
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 -
一个AI团队帮你写代码：华为云码道Agent Space实战2026/06/25 周四 19:00-21:00
张翰文-华为云码道工程师/郭英旭-青软创新科技集团股份有限公司 软件架构师
本场直播聚焦华为云码道Agent Space两大模式：研发办公、代码开发，亲身体验从需求到代码的AI自动化能力。实操演示基于华为 CodeArts CLI，依托 OpenSpec 规格体系从零搭建业务项目。
回顾中
热门标签