前言 大家好，我是“智能网优”赛队的队长，这次是单人参赛，有幸拿下取得第二成绩，在此做个简单的分享。 分享 首先是简单的数据分析，本赛题根据金域提供的核型分析异常结果及其对应的解释文本数据，生成含有辅助诊断要素且便于意思理解的结果解释文本信息。需要注意的本次比赛数据均为脱敏处理数据，训练数据共7527条。在基本数据分析阶段主要包含三个工作，分析输入输出文本长度分布将模型文本长度定在256；根据脱敏后文本分布确定可用tokken长度大于616；丢弃异常数据。模型选择方面，先对比t5/bart/gpt/cpt选择t5，对比t5-pegasus的small与base版本选择small版本（large的我没有硬件算力），从huggingface上选择多种t5系列模型预训练权值进行对比，最后选定t5-pegasus-small，mt0-small,Randeng-T5-Char-57M-Chinese等系列融合。赛后交流有部分队伍说比如t5-copy效果很好，但是我对比的时候只选择了有small版本的模型，比如t5-copy没有small版本就不对比了。训练策略主要使用了预训练，EMA，FGM效果比较好：最后总结下亮点与不足，赛后与大部分队伍进行方案交流只有本方案使用了small版本，训练和推理速度肯定是领先的，但是在可以采集更多训练样本情况下，small将明显弱于base。针对这个问题和主办方交流的得知，该领域7527条训练样本还真的是现实生产情况，那small版本还有其意义吧，不过相信未来领域数据应该会越来越多，small版本潜力有限。感想 本人本职工作为通信行业，也是在传统行业耕耘10年以后才开始从零基础学习编程和算法。这次参加金域比赛收获颇多，受邀参观了国内最先进的医检实验室初步了解医检行业的同时也交流了AI在医检行业的应用，从现场专家坦诚的交流来看AI在医检行业的落地及困难与通信行业有诸多共通之处，感觉未来工作有很多借鉴思路。与这次接待的金域文瑛等专家的交流，也能感觉到金域众多工程师的工匠精神以及赛事总结梁董发言的复合型人才发展理念。感谢广州市科学技术局、金域医学以及华为云提供的这次机会，也希望有一天能看到医疗AI普惠到千万家庭中去。 

WeAutomate RPA怎么操作企业微信  不想用接口的形式，除了坐标点击还有什么其他的方法吗？

板级EDA工具链云服务论坛子版块开通啦，欢迎大家多多发帖交流~新手区官网成长地图开发者社区控制台linklinklinklink进阶区快速入门用户指南常见问题　linklinklink　

智能制作诗词，AI应用语言开发

docker和pip两种方式尝试安装mindspore-gpu，cuda11.1,mindspore1.9.0均报相同错误，cuda 版本export | grep cuda-11.1declare -x LD_LIBRARY_PATH="/usr/local/cuda-11.1/lib64:"declare -x PATH="/home/sx/py_env/xingtian_pip/bin:/usr/local/cuda-11.1/bin:/usr/local/sbin:/usr/local/bin:/                                                                               usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/snap/bin:/usr/local/cuda/binnvcc --versionnvcc: NVIDIA (R) Cuda compiler driverCopyright (c) 2005-2020 NVIDIA CorporationBuilt on Mon_Oct_12_20:09:46_PDT_2020Cuda compilation tools, release 11.1, V11.1.105Build cuda_11.1.TC455_06.29190527_0python --versionPython 3.7.5mindspore-gpu        1.9.0cudnncat /usr/local/cuda-11.1/include/cudnn_version.h | grep CUDNN                                                                              #ifndef CUDNN_VERSION_H_#define CUDNN_VERSION_H_#define CUDNN_MAJOR 8#define CUDNN_MINOR 7#define CUDNN_PATCHLEVEL 0#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)#define CUDNN_MAX_SM_MAJOR_NUMBER 9#define CUDNN_MAX_SM_MINOR_NUMBER 0#define CUDNN_MAX_DEVICE_VERSION (CUDNN_MAX_SM_MAJOR_NUMBER * 100) + (CUDNN_MAX_SM_MINOR_NUMBER * 10)#endif /* CUDNN_VERSION_H */python -c "import mindspore;mindspore.run_check()"测试正常MindSpore version:1.9.0 The result of multiplication calculation is correct, MindSpore has been installed successfully!运行报错docker，pip两种方式均尝试过，附件是软件包

美丽的公主来制裁恶魔la

Day1 hw_008615220290620_01 盡 打卡作业图

Day1+yd_295845456+海蓝蓝+打卡作业截图

【年终超级福利】CANN训练营优秀笔记系列放送中，点击链接免费学习！提交章节小测+结业考核+学习笔记有机会赢取Pico 4 VR一体机、大疆无人机等千元大奖！尾部链接点击直达！2022年已经进入了尾声这一年中CANN训练营迎来了很多新的小伙伴的加入也见证了很多开发者从小白到大神的蜕变CANN训练营也成为无数开发者实现自我的舞台这里有智慧的碰撞，有思考后的成果为了感谢大家一路的支持与陪伴，也为了大家能更好的分享交流自己的想法CANN训练营精心筛选了系列优秀笔记笔记分为入门级、进阶级、高阶级三个维度划分，此次首先分享入门级和进阶级内容大家可以根据自己的需求参考学习》》》 优秀笔记分享 《《《入门级基于Caffe ResNet-50网络实现图片分类（仅推理）ResNet50更换为ResNet101【CANN训练营】新手班结业考核Ascend 910实现LeNet网络的minist手写数据训练基于Caffe ResNet-50网络实现图片分类（仅推理）的实验复现迁移TensorFlow模型到昇腾设备实验复现基于ResNet-101网络实现图片分类的实验复现CANN第二季新手班大作业笔记进阶级基于MindSpore的CycleGAN介绍和实现图像处理应用开发（解码，缩放，编码功能串接）Ascend目标检测与识别-定制自己的AI应用animeGAN_picture样例c++实现cycleGan训练分享修改wgan为ganwgan训练animeGAN的推理应用开发animeGAN_picture样例(aoe调优)resnet50推理样例（动态batch）基于昇思的gan实现——谷歌patri概览环境准备基于mindspore的GAN介绍》》》提交笔记、考核领千元大奖通道《《《对AI感兴趣想学习的小伙伴也可以点击下方链接报名已经报名参与的小伙伴抓紧时间完成考核、提交笔记可领取千元大奖！（外部平台发布学习笔记，每篇分数+5）也可邀请好友报名，好友量TOP3可获得华为无线耳机一份！提交笔记链接：cid:link_2报名链接：cid:link_1活动规则链接：cid:link_12邀请好友链接：CANN 训练营-昇腾社区 (hiascend.com)

对此活动有了深刻地学习和认知，并将结果截图和个人心得放入了文档里，还得努力学习，多学多看多做！

beautiful 

怎么说呢，有点子难度的，不会做

工业数字主线云服务用户指南，请参阅

最新的IDT文档，请查阅

YANG语言的基本概念做过初步软件包开发的同学应该都可以掌握了。但是YANG语言的各种语句如何搭配才能设计出好的YANG模型，还是需要继续深入了解YANG语言一些高级概念和使用场景。今天一起学习一下XPATH语言。XPATH是W3C组织定义的标准，XPATH1.0在1999年11月16日成为W3C标准。XPATH是使用路径表达式来选取XML文档中的一些节点，同时XPATH也提供了一些函数来实现字符串值、数值、日期和时间比较、节点和 QName 处理、序列处理、逻辑值等等。目前YANG语言使用XPATH1.0的规范作为标准，另外YANG1.0还新增了一个current()来表达上下文节点。XPATH技术包含了：XPATH路径表达式XPATH运算符XPATH函数XPATH路径表达式的基本样式：{/step[predict]*}+或者step[predict]*{/step[predict]*}*前者是绝对路径，后者是相对路径。其中step就是XPATH的路径节点，包括：1... :代表上级节点。2.. :代表自身节点。3.Node name：节点名，是上一级路径节点的子节点4./:根节点。只有开头的/代表根节点，其余仅代表路径节点间的分隔符。ü绝对路径的例子：/ifm/interfaces/interfaceü相对路径的例子：1.../../vpn-name2.Ip-address/addressPredict是谓语，用来对本路径节点的取值做出限定。一个路径节点可以有多个谓语。每个谓语都是由一个表达式组成。谓语中的上下文节点是所在的路径节点表达式可以是：1.常数。代表序号。如第几个实例。2.函数。如last()。代表最后一个。3.逻辑表达式。如a and b4.数学表达式。如price >3在我们的建模实践中，谓语经常用于限定具体的实例，比如通过指定具体的key作为谓语。/ifm/interfaces/interface[name = ‘loopback0’]/ip-address这个语句就是寻找接口名为loopback0的ip地址。一般地，如果XPATH路径经过了list节点但是又没有使用任何谓语限制的话，就会指向一个节点集合。XPATH布尔表达式包含如下的形式：1.Expr1 {=,!=,>,>=,<,<=} expr2 :布尔表达式的两端也都是表达式，如果expr1和expr2都是节点集，那么这两个节点集中有任意一个满足条件，表达式就为true，否则为false。如果表达式中有一个节点集，另一个为非节点集（如数字，字符串），那么节点集中有任意一个节点满足条件，该表达式为true，否则为false。如/ifm/interfaces/interface/mtu >1500，只有所有的接口实例中的有一个实例的mtu大于1500，该表达式就成立了。如果两个表达式都为复杂对象，则都首先转为字符串进行比较，如果有一个表达式为数字，那么另一个也要先转为数字，然后再比较。如果有一个表达式为布尔值，那么另一个表达式也要先转为布尔值，然后再比较。2.Expr1 {and，or} expr2:表达式1和表达式2都先转为boolean类型，然后再计算结果。 XPATH数学表达式包含如下的形式：Expr1 {+,-,*,div,mod} expr2:表达式1和表达式2在计算前都要先转为数字，然后再计算结果。XPATH函数函数名函数形式详细说明countnumber count(node-set)入参是节点集，返回节点集的个数stringstring string(object?)入参是任意对象，返回其string形式 concat string concat(string, string, string*) 连接多个字符串，返回连接后的字符串 contains boolean contains(string, string) 判断第一个参数的字符串是否包含了第二个参数的字符串 substring string substring(string, number, number?) 取输入字符串的从位置1开始到位置2结束的子字符串，如果没有位置2，代表到输入字符串结束。 string-length number string-length(string?) 取输入字符串的长度，如果没有输入字符串，则代表去当前上下文节点的字符串的长度 not boolean not(boolean) 对输入的布尔表达式取反。如果输入参数不是一个布尔类型，则会自动先将其转为布尔类型，就好像调了boolean函数一样。 boolean boolean boolean(object) 对输入的对象取其布尔值。对于数字来说，0代表false，其余代表true。对于节点集，非空代表true，空代表false。对于字符串长度为不为0为true，其余为false。 number number number(object?)把对象转成数字。字符串就尽力转成数字，如果不能值为NaN。布尔类型，true转成1，false转成0.节点集首先先转为字符串，然后再从字符串转为0.