MindSpore：昇思大模型体验平台体验记录

最新推荐文章于 2024-06-15 11:56:23 发布
最新推荐文章于 2024-06-15 11:56:23 发布
阅读量421 收藏
点赞数
文章标签： 人工智能 深度学习 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/BaldheadedM/article/details/126287533
版权

欣闻 昇思大模型体验平台开启公测了，地址为： 昇思大模型体验平台  于是迫不及待地去尝试了一下。

浏览器打开以上链接：

点击”快速开始“，系统会进入登陆界面：

张小白选择了 gitee登陆，会弹出以下窗口：

点击”同意授权“。系统会登陆成功：

点击”项目”，在下面的搜索栏搜索：lenet5_demo

选择第一个：

<
最低0.47元/天 解锁文章
BaldheadedM
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Performer_mindspore:使用Mindspore复现谷歌的Performer模型
03-12
Performer_mindspore 参考： :
华为mindspore培训资料：MindSpore并行.pptx
03-24
华为mindspore培训资料：MindSpore并行.pptx
华为开源自研AI框架昇思MindSpore入门体验：手写数字识别
Yeats_Liao的博客
10-24 3172
华为开源自研AI框架昇思MindSpore入门体验：手写数字识别
昇思MindSpore技术公开课系列：保姆级的大模型专题实践课程来了
Kenji_Shinji的博客
04-13 899
昇思MindSpore具备丰富的并行能力，能轻松完成4096卡集群、万亿参数规模的训练任务，因此支撑了国内多个领域首发大模型的训练，这些大模型涉及知识问答、知识检索、知识推理、阅读理解、文本/视觉/语音多模态、生物制药、遥感、代码生成等。课程完全免费，课程材料与代码全部开源，欢迎广大产学研开发者参与课程学习。课程内容逐层递进，从最基础的Transfromer开始，逐步引入大模型演变中的经典模型及技术，每一层的内容都在前一层的基础上进行了拓展和深入，使产学研开发者能够逐步掌握深度学习的核心理论和实践技能。
昇思MindSpore助力紫东太初大模型开放服务平台2.0发布，打造数字经济智能底座
Kenji_Shinji的博客
09-08 87
今年6月，紫东太初2.0全模态大模型正式发布，紫东太初全模态大模型在此前语音、图像和文本三模态的基础上，加入了视频、传感信号、3D点云等模态数据，首次提出全模态多任务统一生成式学习框架，突破了认知增强的多模态关联等关键技术，具备全模态理解能力、生成能力和关联能力。为了有效实现人工智能大模型高效落地，优化行业效率，促进大模型在行业场景中应用，武汉人工智能研究院基于紫东太初2.0全模态大模型，搭建全栈国产化紫东太初大模型开放服务平台2.0。“紫东太初”大模型开放服务平台2.0。“紫东太初”大模型训推一体机。
聊一聊“超大模型”
夕小瑶科技说
07-06 432
文 | 金雪锋源 | 知乎最近经常被问，你看“万亿的模型都出来了，你们训练的千亿模型是不是落伍了？”我想说：“虽然都叫超大模型，但是类型是不一样的，虽说每一类模型训出来都不容易，不过澄清一...
《昇思MindSpore技术公开课》——多模态预训练大模型
m0_73424069的博客
01-19 1154
后来我学会了根据我的数据和任务的内容和目标，设计合适的多模态预训练任务和评估指标，以及利用多模态预训练模型库，参考和借鉴已有的多模态预训练模型的设计和实现。后来我学会了根据我的数据和任务的特点，选择合适的多模态预训练模型，以及利用多模态可视化工具，分析和解释多模态数据和模型的特征、关系和效果。在学习应用和案例时，要尝试使用和开发多模态预训练模型，解决和优化不同的多模态数据和任务的问题，以及探索和创造不同的多模态数据和模型的组合和交互，从而提高多模态预训练的实践能力和创新能力。
大模型高效开发的秘密武器——大模型低参微调套件MindSpore PET篇
Kenji_Shinji的博客
04-13 470
在大模型开发方面，昇腾推出了大模型开发使能平台，基于昇思MindSpore构建了支撑大模型开发的全流程大模型使能套件，包括TransFormers大模型套件MindSpore TransFormers、以文生图大模型套件MindSpore Diffusion、人类反馈强化学习套件MindSpore RLHF、大模型低参微调套件MindSpore PET，支撑大模型从预训练、微调、压缩、推理及服务化部署。虽然有强大的能力，但模型网络规模巨大，约9亿参数量，适配下游任务时训练时间长，计算和存储内存开销大。
mindspore:MindSpore是一个新的开源深度学习培训推理框架，可用于移动，边缘和云场景
03-18
MindSpore旨在为数据科学家和算法工程师提供友好的设计和高效的执行，对Ascend AI处理器的本机支持以及软件硬件共同优化，以提供友好的设计和高效的执行体验。同时，MindSpore作为全球AI开源社区，旨在进一步推进AI...
infra-mindspore:该回购库包含面向mentalspore社区的所有应用程序定义Yaml
03-31
次脑 该回购库包含针对mentalspore社区的所有应用程序定义yaml。
MindSpore Transformers套件的目标是构建一个大模型训练、推理、部署的全流程套件提供业内主流的训练模型
04-10
MindSpore Transformers套件的目标是构建一个大模型训练、推理、部署的全流程套件： 提供业内主流的Transformer类预训练模型， 涵盖丰富的并行特性。 期望帮助用户轻松的实现大模型训练。 文档：...
【云驻共创】华为云之昇思MindSpore大模型专题（第二期）-第一课：ChatGLM
时光隧道
01-11 3万+
昇思MindSpore是华为公司推出的一款全场景AI计算框架。它提供了自动微分、分布式训练和推理、模型部署等功能，支持多种硬件平台，包括CPU、GPU和Ascend AI 处理器。MindSpore采用图和算子相结合的编程模型，能够高效地处理复杂的深度学习任务。它具有灵活的设计、高效的性能和易于使用的接口，使开发者能够更快地开发和部署AI应用。MindSpore还支持自定义操作和算法，可以满足不同场景下的需求。完整的课程学习地址。
上海昇思AI框架&大模型创新中心生态伙伴“面对面”研讨会顺利举办
Kenji_Shinji的博客
01-11 482
今年6月，华为联合闵行区、临港集团、上海人工智能研究院在上海成立了全球首个昇思生态创新中心，18家AI大模型相关企业成为首批创新中心伙伴。创新中心致力于携手产业伙伴基于昇思MindSpore AI框架，支持全国范围的AI技术企业、高校与科研院所孵化大模型、科学智能技术研究，进而赋能企业打造极简易用、极致性能的AI解决方案和应用，服务互联网、电信运营商、金融、教育、医疗等人工智能关键产业方向，打造一系列富有竞争力的“AI+行业”的示范性应用场景，推动产业集聚。上海昇腾人工智能生态创新中心CTO贾挺猛。
【昇思技术公开课笔记-大模型】Bert理论知识
JeffDing
01-19 467
2018年Google发布了BERT（来自Transformer的双向自编码器）预训练模型，旨在通过联合左侧和右侧的上下文，从未标记文本中预训练出一个深度双向表示模型。因此，BERT可以通过增加一个额外的输出层来进行微调，就可以达到为广泛的任务创建State-of-the-arts 模型的效果，比如QA、语言推理任务。当时将预训练模应用于下游任务的策略通常有两种：基于特征的（feature-based）和基于微调（fine-tuning）；前者比如ELMo，后者比如OpenAI GPT;
《昇思MindSpore技术公开课》——Transformer
m0_73424069的博客
01-19 499
建议：MindSpore昇思可以提供更多的文档和教程，介绍和说明MindSpore昇思的原理和实现，以及如何用MindSpore昇思进行模型的构建、训练、优化、应用和展示等，可以帮助用户更好地理解和使用MindSpore昇思。我可以用课程上学到的知识和技能，进行更多样和更有趣的人工智能和大模型的应用和展示，解决和优化更多的问题和需求，创造和享受更多的乐趣和便利。我对MindSpore昇思有了更熟练的使用，熟悉了它的设计和功能，以及它的优势和特色，以及它的反馈和改进，以及它的生态和社区。
技术干货｜什么是大模型？超大模型？Foundation Model？
热门推荐
Kenji_Shinji的博客
06-25 4万+
目前Foundation Model或者是大模型，特别地火，接下来介绍什么是大模型，大模型的基本概念；接着看看大模型的实际作用，然后基于这些实际作用，我们简单展开几个应用场景。最后就是介绍支持大模型训练的AI框架。在往下看之前，想抛出几个问题，希望引起大家的一个思考：1）为什么预训练网络模型变得越来越重要？2）预训练大模型的未来的发展趋势，仍然是以模型参数量继续增大吗？3）如何预训练一个百亿规模的大模型？ MindSpore官方资料GitHub : https://github.com/mindspore-
昇思MindSpore 1.8重磅发布：几行代码带你玩转Transformer大模型，实现高性能训练！
Kenji_Shinji的博客
08-17 686
昇思MindSpore1.8版本中，MindSpore Data模块对于图像类数据预处理操作进行重新设计及改造，从原有的c_transforms和py_transforms两种类型操作合并为transforms统一接口，同时对其中包含的各类数据处理算子进行归一合并，减少开发者混用算子的转换操作，并基于算子上下文实现自动的算子输出格式转换，极简易用，同时对资深开发者仍然保留了手动选择算子策略的能力。与传统的量化算法相比，规避了不准确的梯度更新过程，能获得更好的准确率，在极低比特量化中更有优势。......
论文阅读笔记：DepGraph: Towards Any Structural Pruning
最新发布
HollowKnightz的博客
06-15 1391
论文阅读笔记：DepGraph: Towards Any Structural Pruning
从GAN到WGAN（02/2）
gongdiwudu的专栏
06-14 1224
生成对抗网络 （GAN） 在许多生成任务中显示出巨大的效果，以复制现实世界的丰富内容，如图像、人类语言和音乐。它的灵感来自博弈论：两个模型，一个生成器和一个批评家，在相互竞争的同时使彼此更强大。然而，训练GAN模型是相当具有挑战性的，因为人们面临着训练不稳定或收敛失败等问题。在这里，我想解释一下生成对抗网络框架背后的数学原理，为什么很难训练，最后介绍一个旨在解决训练难点的GAN修改版本。
使用mindspore训练手写数字识别模型
03-17
使用MindSpore训练手写数字识别模型的步骤如下： 1. 准备数据集：从MNIST等公开数据集中下载手写数字图片数据集，并将其转换为MindSpore支持的格式。 2. 定义模型：使用MindSpore提供的API定义卷积神经网络模型，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值