就在今天！昇思MindSpore技术公开课大模型专题课程即将与您见面

最新推荐文章于 2024-10-06 21:45:11 发布
最新推荐文章于 2024-10-06 21:45:11 发布
阅读量145 收藏
点赞数
分类专栏： 活动 新闻 文章标签： 人工智能 算法
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/Kenji_Shinji/article/details/130289073
版权

昇思MindSpore技术公开课大模型专题课程将在4月15日（今日）与大家正式见面啦！扫描海报下方二维码，关注B站直播间【MindSpore官方】，精彩内容不容错过。

第一节课：Transformer 将于4月15日（今日）14：00准时开始，还有华为语音语义首席科学家刘群老师带来干货满满的开场致词哦，期待与大家一同开启大模型的实战之旅~

昇思MindSpore
关注
专栏目录
mindspore 模型保存与加载用法
07-10
mindspore 模型保存与加载用法
基于昇思MindSpore平台实现危险车辆及普通安全车辆识别检测系统python源码(含演示视频+模型+GUI+教程).zip
05-30
您可以放心下载并立即投入使用，若遇到任何问题，随时欢迎您的反馈与交流。 2、适用广泛：无论您是计算机相关专业（如计算机科学、信息安全、数据科学、人工智能、通信、物联网、自动化、电子信息等）的在校学生、...
周六开讲！昇思技术公开课大模型专题·第六讲代码预训练课程预告
Kenji_Shinji的博客
05-26 148
代码大模型被认为是ChatGPT的重要构成部分，通过代码预训练能过在代码生成，补全能力外，提高模型的逻辑推理能力。清华大学知识工程实验室研发的CodeGeeX大模型是国内唯一基于全国产软硬件平台的代码大模型，基于昇腾+MindSpore实现了不逊于国外代码大模型的能力，想要了解更多代码大模型的知识，记得本周六。我们邀请到了来自清华大学知识工程实验室，同时是代码生成模型CodeGeeX主要作者之一的夏箫同学来进行代码大模型的技术分析，精彩内容不容错过。
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 1008
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技术公开课》——Transformer
m0_73424069的博客
01-19 548
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。
【云驻共创】华为云之昇思MindSpore大模型专题（第二期）-第一课：ChatGLM
热门推荐
时光隧道
01-11 6万+
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。
【昇思MindSpore技术公开课】第七讲：鹏城·脑海模型的训练过程课程预告
Kenji_Shinji的博客
01-11 446
本周六（2024年1月6日）14:00-15:30昇思MindSpore技术公开课大模型专题课程迎来新年第一课——鹏城·脑海模型的训练过程。鹏城·脑海200B模型是具有2千亿参数的自回归式语言模型，在中国算力网枢纽节点‘鹏城云脑Ⅱ’千卡集群上基于昇思MindSpore的多维分布式并行技术进行长期大规模训练，目前完成了1.8T token量的训练。昇思MindSpore技术公开课大模型专题第二期课程火爆来袭！未报名的小伙伴抓紧时间扫描下方二维码参与课程，并同步加入课程群，有免费丰富的课程资源在等着你。
昇思MindSpore技术公开课-代码预训练
qq_39214543的博客
01-19 811
CodeSearchNet数据集codeGeeX本节课主要讲了代码预训练模型现有的代码预训练模型。人工智能代码生成工具是一种利用人工智能技术自动生成代码的工具，可以帮助程序员提高编程效率。这些工具使用预训练模型在大规模数据集上进行预训练，学习通用的语言表示，然后在特定任务上进行微调，以提高模型的性能。这种方法可以减少对标注数据的依赖，提高模型的泛化能力，同时也可以加速模型的训练过程。这些工具的简单性使编程变得更加容易，这就是它们的魅力所在。
昇思MindSpore技术公开课——第二课：BERT
Sunshine_XX的博客
01-23 1034
word2vec/Glove将离散的文本数据转换为固定长度的静态词向量，后根据下游任务训练不同的语言模型；ELMo预训练模型将文本数据结合上下文信息，转换为动态词向量，后根据下游任务训练不同的语言模型；BERT同样将文本数据转换为动态词向量，能够更好地捕捉句子级别的信息与语境信息，后续只需对BERT参数进行微调，仅重新训练最后的输出层即可适配下游任务；GPT等预训练语言模型主要用于文本生成类任务，需要通过prompt方法来应用于下游任务，指导模型生成特定的输出。
昇思MindSpore技术公开课学习心得续篇：深入应用与挑战
欢迎来到“Python算法探索”，我是GT算法工程师，一名热爱计算机算法的博主。在这里，我们将一起深入探索Python世界中的各种算法，从基础到高级，从理论到实践。我参加过很多算法比赛，积累了丰富的经验，希望通过这个播客与你分享。让我们一起用Python探
01-19 337
通过查阅资料和向讲师请教，我逐渐找到了解决这些问题的方法，例如使用正则化、学习率调整等技巧来缓解过拟合问题，以及通过多次实验和比较来找到最佳的模型参数。通过理论知识和实例操作，我掌握了如何利用MindSpore进行高效的模型训练，以及如何优化模型以获得更好的性能。此外，我还学习了如何使用MindSpore进行模型部署和推理，以及如何进行模型压缩和剪枝等技术，以便在实际应用中降低模型大小和计算复杂度。随着对昇思MindSpore的深入学习和实践，我对人工智能和大模型的认知和应用能力有了显著提升。
《昇思MindSpore技术公开课》——LLaMA
m0_73424069的博客
01-19 415
MindSpore昇思可以提供更多的示例和案例，展示和演示MindSpore昇思的功能和特色，以及如何用MindSpore昇思实现各种领域和任务的人工智能和大模型的应用和展示等，可以激发用户的兴趣和创意。我可以用课程上学到的知识和技能，进行更有效和更可靠的人工智能和大模型的训练和优化，提高和保证更多的性能和质量，创造和提升更多的效率和可靠性。我对大模型的训练和优化有了更多的经验，学习了它们的策略和技术，以及它们的原理和效果，以及它们的难点和问题，以及它们的方法和解决方案。
基于昇思MindSpore的推荐领域AI模型高性能加速库MindRec设计源码
09-28
MindRec是一个基于昇思MindSpore开发的推荐领域高性能加速库，源码共计158个文件，其中包含78个Python脚本、31个Shell脚本、11个Markdown文档、8个文本文件、5个YAML配置文件、5个PNG图像文件、3个INI配置文件、2个C...
基于昇思MindSpore AI框架的肾脏肿瘤分割项目python源码.zip
01-31
基于昇思MindSpore AI框架的肾脏肿瘤分割项目python源码.zip基于昇思MindSpore AI框架的肾脏肿瘤分割项目python源码.zip基于昇思MindSpore AI框架的肾脏肿瘤分割项目python源码.zip基于昇思MindSpore AI框架的肾脏...
扩散模型（2）--1
m0_63860007的博客
09-29 987
生成模型通过学习并建模输入数据的分布，从而采集生成新的样木，该模型广泛运用于图片视频生成、文本生成和药物分子生成。扩散模型是一类概率生成模型，扩散模型通过向数据中逐步。
基于Keras的U-Net模型在图像分割与计数中的应用
深度学习实战训练营，一起交流探索深度学习
10-04 1188
网络结构优化：项目基于经典的U-Net模型进行改进，采用了更深的网络层次结构，使模型能够在多尺度上捕捉到图像中的细节信息。特别是针对医学图像分割，项目通过增加卷积层数和引入Dropout层来增强模型的特征提取能力，并有效防止过拟合，从而提高模型在训练数据较少情况下的表现。项目中采用了he_normal初始化器和relu激活函数组合，使得网络在训练时能够更快地收敛，降低梯度消失的风险。自定义数据增强策略：在中实现了一个自定义的图像增强类。
大模型~合集5
whaosoft~aiotの开发板商城
10-02 1435
FLock 的机制设计受到了证明权益（PoS）区块链共识机制和桌面游戏《The Resistance》（一种角色扮演类游戏，该游戏的一个变种叫阿瓦隆）的启发。《The Resistance》游戏则通过投票机制，每轮游戏中玩家独立推理并投票，从而实现全局共识。《The Resistance》有两个不匹配的竞争方，其中较大的一方被称为抵抗力量，另一方被称为间谍。在《The Resistance》中，有一个投票机制，在每一轮中，每个玩家进行独立推理并为一个玩家投票，得票最多的玩家将被视为「间谍」并被踢出游戏。
北大对齐团队深度硬核解读：OpenAI o1开启「后训练」时代强化学习新范式
最新发布
ys707663989的博客
10-06 624
本文深入探讨了OpenAI o1的技术细节、的实现、合成数据与推理搜索的优化，以及AI安全的新启示，展示了大语言模型在推理能力提升和安全对齐方面的最新进展与未来方向。
遥感影像-实例分割数据集：iSAID 从切图到YOLO格式数据集制作详细介绍
GIS潮流
09-30 1280
开源数据集isaid标注包含实例分割，但是原始影像太大，很吃显存，一般显卡无法用原始影像直接训练，所以需要对影像进行裁剪，并生成对应的标签，因为想用yolo系列跑模型，所以将标签需要转为txt格式。
华为MindSpore：核心技术与普惠AI解决方案
该核心技术架构与特性主要集中在以下几个方面： 1. **问题挑战**: AI发展面临的主要问题包括开发门槛高、运行成本高昂以及部署周期长。这些问题源于AI开发需要深厚的技术背景，包括数学知识、AI原理和计算机系统...
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