- 打印语句在评估方法中具有重要的调试和验证功能，比如第一条语句 print(f"model_output.sequences.shape[1]:{model_output.sequences.shape[1]}") 输出的是模型生成的完整序列长度。在Transformer的自回归生成过程中，sequences 包含了输入提示词和所有新生成token的完整序列。通过监控这个数值，可以确保模型按照... 打印语句在评估方法中具有重要的调试和验证功能，比如第一条语句 print(f"model_output.sequences.shape[1]:{model_output.sequences.shape[1]}") 输出的是模型生成的完整序列长度。在Transformer的自回归生成过程中，sequences 包含了输入提示词和所有新生成token的完整序列。通过监控这个数值，可以确保模型按照...
- 以 22_execute_0693.ir 里的19个cnodes为例，该IR文件通过MNIST数据集的推理过程产生。[mindspore@asc ir]$ grep "%[0-9]\+" 22_execute_0693.ir%0(CNode_256) = PrimFunc_Flatten(%para1_x) cnode_attrs: {checkpoint: Bool(1), is_dyna... 以 22_execute_0693.ir 里的19个cnodes为例，该IR文件通过MNIST数据集的推理过程产生。[mindspore@asc ir]$ grep "%[0-9]\+" 22_execute_0693.ir%0(CNode_256) = PrimFunc_Flatten(%para1_x) cnode_attrs: {checkpoint: Bool(1), is_dyna...
- 在深度学习工程实践中，我们常会遇到一些看似异常的系统行为。本次在MindSpore框架下处理MNIST测试集(https://www.hiascend.com/developer/blog/details/0259194701680659261)时，就观察到一个典型问题：在没有显式设置打乱逻辑的情况下，测试集样本顺序在多次运行中呈现不确定性。这种非确定性行为会影响实验的可重复性，需要从技术层... 在深度学习工程实践中，我们常会遇到一些看似异常的系统行为。本次在MindSpore框架下处理MNIST测试集(https://www.hiascend.com/developer/blog/details/0259194701680659261)时，就观察到一个典型问题：在没有显式设置打乱逻辑的情况下，测试集样本顺序在多次运行中呈现不确定性。这种非确定性行为会影响实验的可重复性，需要从技术层...
- 华为云之基于MindSpore搭建聊天机器人全流程【玩转华为云】 华为云之基于MindSpore搭建聊天机器人全流程【玩转华为云】
- 不是换个桌面那么简单，鸿蒙系统如何用AI玩出“真智能”？ 不是换个桌面那么简单，鸿蒙系统如何用AI玩出“真智能”？
- 本案例基于华为开发者空间的AI NoteBook工具，选择使用MindSpore框架进行MNIST数据集下载和模型训练，并使用华为开发者空间提供的免费昇腾资源的Notebook进行代码编写。 本案例基于华为开发者空间的AI NoteBook工具，选择使用MindSpore框架进行MNIST数据集下载和模型训练，并使用华为开发者空间提供的免费昇腾资源的Notebook进行代码编写。
- MindSpore机器人开发系列1：深入探索基于世界模型的机器人操控新方法欢迎来到我们的“MindSpore机器人开发系列”！在本系列中，我们将一同潜入MindSpore在机器人学领域的前沿研究，发掘那些能够点亮我们思路的闪光点。第一期，我们将目光投向一篇极具启发性的论文，它为我们揭示了如何利用MindSpore训练机器人，赋予它们更强的“理解力”和“行动力”。我们本期的焦点论文是发表在a... MindSpore机器人开发系列1：深入探索基于世界模型的机器人操控新方法欢迎来到我们的“MindSpore机器人开发系列”！在本系列中，我们将一同潜入MindSpore在机器人学领域的前沿研究，发掘那些能够点亮我们思路的闪光点。第一期，我们将目光投向一篇极具启发性的论文，它为我们揭示了如何利用MindSpore训练机器人，赋予它们更强的“理解力”和“行动力”。我们本期的焦点论文是发表在a...
- 学习笔记 学习笔记
- Ubuntu虚拟机配置MindStudio的CANN开发环境 Ubuntu虚拟机配置MindStudio的CANN开发环境
- 香橙派AI Pro算子开发——Helloworld 香橙派AI Pro算子开发——Helloworld
- 在此教程中，我们将对基于Transformer的生成式人工智能模型及其原理进行一个简单的介绍，并实现其训练和推理过程，且至少支持3种数据集，目前支持数据集有：MNIST、CIFAR10、CIFAR100等，并给用户提供一个详细的帮助文档。 在此教程中，我们将对基于Transformer的生成式人工智能模型及其原理进行一个简单的介绍，并实现其训练和推理过程，且至少支持3种数据集，目前支持数据集有：MNIST、CIFAR10、CIFAR100等，并给用户提供一个详细的帮助文档。
- 在此教程中，我们将对深度学习中的图模型及其原理进行一个简单的介绍，并实现一种图模型的训练和推理，至少支持三种数据集，目前支持数据集有：Cora、CiteSeer、PubMed等，并给用户提供一个详细的帮助文档。 在此教程中，我们将对深度学习中的图模型及其原理进行一个简单的介绍，并实现一种图模型的训练和推理，至少支持三种数据集，目前支持数据集有：Cora、CiteSeer、PubMed等，并给用户提供一个详细的帮助文档。
- - 本数据集是K-pop偶像高品质面部图像的第一个数据集。数据集由大约6，000张分辨率为512x512的高质量人脸图像和每个图像的身份标签组成。- 收集大约90，000张K-pop女性偶像图像，并从每张图像中裁剪了面部，并对高质量的Idol人脸图像进行了分类。- 一个基准测试有 300 个测试数据集，并且测试图片和训练图片之间没有重复的。测试图片中的某些标签不会与训练图片重复。（这意味着一... - 本数据集是K-pop偶像高品质面部图像的第一个数据集。数据集由大约6，000张分辨率为512x512的高质量人脸图像和每个图像的身份标签组成。- 收集大约90，000张K-pop女性偶像图像，并从每张图像中裁剪了面部，并对高质量的Idol人脸图像进行了分类。- 一个基准测试有 300 个测试数据集，并且测试图片和训练图片之间没有重复的。测试图片中的某些标签不会与训练图片重复。（这意味着一...
- 本文主要记录一下笔者参加2023长三角训练营华为昇思MindSpore创新训练营的作品，做的是一个图像识别与描述生成，实际做了两天不到。 本文主要记录一下笔者参加2023长三角训练营华为昇思MindSpore创新训练营的作品，做的是一个图像识别与描述生成，实际做了两天不到。
- 面向眼科临床与基层筛查的真实需求，本项目构建“云-边-端一体化”的眼底医学影像分析全栈系统，依托昇腾算力与MindSpore生态，打通数据、训练、部署、应用闭环，实现从高质量数据集发布到轻量化模型落地再到多模态智能服务的系统化创新，该项目在2024年华为开发者大赛全国总决赛学生赛道中获得银奖。 面向眼科临床与基层筛查的真实需求，本项目构建“云-边-端一体化”的眼底医学影像分析全栈系统，依托昇腾算力与MindSpore生态，打通数据、训练、部署、应用闭环，实现从高质量数据集发布到轻量化模型落地再到多模态智能服务的系统化创新，该项目在2024年华为开发者大赛全国总决赛学生赛道中获得银奖。
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