- 博客(32)
- 收藏
- 关注
RSS订阅原创 【学习笔记】昇思25天学习打卡(D14)CV05-SSD目标检测.ipynb
SSD，全称Single Shot MultiBox Detector。
2024-07-16 21:37:26
807
原创 【学习笔记】昇思25天学习打卡(D13)CV04-Shufflenet图像分类.ipynb
ShuffleNetV1是旷视科技提出的一种计算高效的CNN模型，和MobileNet, SqueezeNet等一样主要应用在移动端，所以模型的设计目标就是利用有限的计算资源来达到最好的模型精度。ShuffleNetV1的设计核心是引入了两种操作：Pointwise Group Convolution和Channel Shuffle，这在保持精度的同时大大降低了模型的计算量。因此，ShuffleNetV1和MobileNet类似，都是通过设计更高效的网络结构来实现模型的压缩和加速。
2024-07-06 09:20:30
560
原创 【学习笔记】昇思25天学习打卡(D12)CV03-ResNet50迁移学习.ipynb
在实际应用场景中，由于训练数据集不足，所以很少有人会从头开始训练整个网络。普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。本章将使用迁移学习的方法对ImageNet数据集中的狼和狗图像进行分类。
2024-07-05 07:38:22
592
原创 【学习笔记】昇思25天学习打卡(D10)CV01-FCN图像语义分割.ipynb
FCN主要用于图像分割领域，是一种端到端的分割方法，是深度学习应用在图像语义分割的开山之作。
2024-07-02 22:39:09
689
原创 【学习笔记】昇思25天学习打卡(D09)初学10-使用静态图加速.ipynb
AI编译框架分为两种运行模式，分别是动态图模式以及静态图模式。MindSpore默认情况下是以动态图模式运行，但也支持手工切换为静态图模式。
2024-07-01 22:24:31
940
原创 【学习笔记】昇思25天学习打卡(D07)初学08-模型训练.ipynb
构建数据集。定义神经网络模型。定义超参、损失函数及优化器。输入数据集进行训练与评估。
2024-06-26 06:37:26
669
原创 【学习笔记】昇思25天学习打卡(D04)初学05-数据变换Transforms.ipynb
在机器学习和深度学习中，数据预处理是一个至关重要的步骤。通常情况下，原始数据并不能直接用于模型训练，需要进行一系列的转换和处理。MindSpore框架提供了多种数据变换（Transforms）工具，配合数据处理流水线（Pipeline），可以高效地实现数据预处理。MindSpore的dataset模块提供了面向图像、文本、音频等不同数据类型的Transforms，同时也支持使用Lambda函数进行自定义处理。这些Transforms可以通过map方法应用到指定的数据列上。
2024-06-23 08:55:53
344
原创 【学习笔记】昇思25天学习打卡(D03)初学04-数据集Dataset.ipynb
MindSpore提供基于Pipeline的数据引擎,通过Dataset和Transforms实现高效的数据预处理。
2024-06-22 08:25:34
169
原创 【炼丹手记】在ModelArts上使用AI芯片Ascend训练基于MindSpore的图神经网络BGCF，并发布到AI Callery
论文贝叶斯图协同过滤（BGCF）论文原文如下https://dl.acm.org/doi/pdf/10.1145/3394486.3403254数据集amazonsh-4.4$git clone -b r1.5 --depth=1 https://gitee.com/mindspore/models.gitCloning into 'models'...remote: Enumerating objects: 7254, done.remote: Counting objects: 100
2021-12-26 22:57:13
951
原创 【炼丹手记】在ModelArts上使用AI芯片Ascend训练基于MindSpore的DeepFM
论文DeepFM: A Factorization-Machine based Neural Network for CTR Predictionhttps://arxiv.org/abs/1703.04247CTR预估是目前推荐系统的核心技术，其目标是预估用户点击推荐内容的概率。在CTR预估任务中，特征非常重要。这篇论文提出的DeepFM模型是一种可以从原始特征中抽取到各种复杂度特征的端到端模型，可以有效避免人工特征工程的困扰。数据集criteo是非常经典的点击率预估比赛数据集。下载地址如
2021-12-26 22:42:02
1112
原创 [昇腾CANN自定义算子]TIK算子矢量计算接口vec_add
利用AI Core的Vector Unit，进行矢量加计算。vec_add(mask, dst, src0, src1, repeat_times, dst_rep_stride, src0_rep_stride, src1_rep_stride)mask通常用这个参数的连续模式，就是设置前N个数据参与计算。每次迭代可以计算256字节的数据。比如，当计算float16类型数据时，每个数据2字节，所以mask设置成128时，就可以在一个迭代中计算256字节的数据。dst, src0, s
2021-10-19 10:59:54
413
原创 [昇腾CANN自定义算子]TIK数据搬运data_move
在处理器外部存储器与处理器内存储器之间搬运数据。data_move(dst, src, sid, nburst, burst, src_stride, dst_stride, *args, **argv)dst与src用tik_instance.Tensor定义的Tensorsid一般为0nburst执行这一条data_move语句，搬运数据的次数burst搬运一次数据的block数（一个block为32字节）src_stride与dst_stride两次搬运之
2021-10-19 08:58:05
321
原创 [昇腾CANN自定义算子]TIK调试器命令汇总
如何进入需要在tikdb.start_debug()函数中，把interactive参数设为True。tik_instance.tikdb.start_debug(feed_dict=feed_dict,interactive=True)调试器的交互方式什么样当你看到这样的提示符，就对了。[TIK]>调试命令b break给程序加断点例：[TIK]> b my_op.py:8 给my_op.py文件的第8行加断点clear清除一个或多个断点例：[TIK
2021-10-19 08:34:54
223
原创 昇腾CANN两种TBE算子的比较
TBE自定义算子有两种：DSL（Domain-Specific Language）TIK（Tensor Iterator Kernel）其中DSL方式只需要定义算子的计算表达，不用考虑如何调度；而TIK方式就需要同时定义计算与调度两方面。所以DSL上手快，但性能可能不理想，适合初学者以及快速验证等场景；TIK开发则需要了解SOC结构与特性，可以开发出更高性能的算子，适合对性能有一定要求的场景。...
2021-10-19 07:53:43
276
原创 昇腾CANN自定义算子分类与关系
CANN的自定义算子分为AICPU算子与TBE算子。其中TBE算子又可以分为DSL与TIK两种。注：当前版本为CANN 5.0
2021-10-19 07:42:15
273
原创 MindSpore Lite 端侧部署第一步：模型转换（mindir转ms）
环境64位 ubuntu 16.04从r1.1 clone代码hata@pc037:~/study/github/mindspore$ git clone -b r1.1 --depth=1 https://github.com/mindspore-ai/mindspore.githata@pc037:~/study/github/mindspore$ bash build.sh -I x86_64---------------- mindspore lite: build success
2021-02-10 12:37:52
1551
原创 尝试恢复Qualcomm Robotics RB3
高通RB3(845c)这块板子最近无法正常启动进入Linux了。本文记录一下，尝试恢复的过程。1 准备先从以下链接下载好bootloader release。http://releases.linaro.org/96boards/dragonboard845c/linaro/rescue/latest/我下载的时候，Release的BUILD NUMBER是50。所以得到了以下ZIP文件。解压这个文件，以备后用。dragonboard-845c-bootloader-ufs-linux-50.z
2020-10-08 17:45:54
910
原创 [捉虫笔记]PaddleDetection训练报错与对应
错误今天在AI Stuido上训练PaddleDetection项目的时候报出了如下错误：2020-09-27 14:35:18,743-INFO: Decompressing /home/aistudio/.cache/paddle/weights/ResNet101_vd_pretrained.tar...Traceback (most recent call last): File "tools/train.py", line 370, in <module> main(
2020-09-27 21:19:57
803
原创 Windows10 CPU 安装 MindSpore-0.7.0 并跑通 MNIST lenet 训练与评估
1 准备conda环境先创建一个独立的环境conda create -n mind07py375 python=3.7.5并激活这个环境conda activate mind07py3752 安装MindSpore 0.7.0首先在官网获取安装命令https://www.mindspore.cn/install本文尝试Window10 CPU，所以依次选择：0.7.0-betaCPUWindows-x64Python 3.7.5Pip于是得到如下命令pip instal
2020-09-13 21:43:30
414
原创 [学习笔记]在ModelArts上利用Ascend引擎训练基于MindSpore-0.5的YOLOv3
关键字：昇腾 头孢 云训练Baseline传送门：Github上mindspore 0.5版的YOLOv3适配云端训练Baseline的代码在本地训练的话，不需要更改。但在ModelArts上训练的话，需要适配一下。首先，需要引用一个库方便OBS数据Copy。还要声明两个地址import moxing as moxlocal_data_url = '/cache/data'local_train_url = '/cache/train_url'其次，需要在parser增加两个参数，如下
2020-08-10 16:33:53
1152
原创 论文学习笔记 之 U-GAT-IT（百度飞桨顶会论文复现营作业）
关键词：无监督学习 生成式对抗网络 U-GAT-IT时间所限，本文简述一下这篇论文的最核心内容：• We propose a novel method for unsupervised image-to-image translation with a new attention module and a new normalization function, AdaLIN.• Our attention module helps the model to know where to transfo
2020-08-06 16:23:49
353
原创 强化学习笔记 之 SAC算法样例（基于百度飞桨PARL）
Abstract从Sarsa、Q-learning开始，到DQN，再到Policy Gradient，最后到DDPG，一步步走进了强化学习的世界。在学习了这些基础算法之后，本文记录一下进阶算法SAC的学习心得。SAC是Soft Actor-Critic的缩写，由伯克利人工智能研究实验室(BAIR)的Tuomas Haarnoja等人，提出于2018年。传送门：Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic
2020-07-24 12:00:09
2970
原创 MindSpore0.3.0-alpha体验笔记 之 LSTM
目录MindSpore0.3.0-alpha体验笔记 之 LSTM操作步骤采坑集锦坑1 gensim坑2 CUDA版本坑3 /mnt容量写在最后MindSpore0.3.0-alpha体验笔记 之 LSTMMindSpore面世以来，更新迅速，今天已经发布了0.3.0-alpha。这篇笔记，就简单记录一下新版本中LSTM Demo的体验过程。操作步骤具体操作步骤可以参考Demo中的README.md文件。文档很详细，按照文档一步一步来操作，就可以了，这里就不重复了。另外，希望了解更多细节，还可以
2020-05-31 21:25:23
488
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人