《昇思25天学习打卡营第9天》

最新推荐文章于 2024-09-05 11:40:28 发布
最新推荐文章于 2024-09-05 11:40:28 发布
阅读量193 收藏
点赞数 2
文章标签： 学习
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/NewtoPhone/article/details/140336825
版权

今天进入使用静态图加速的学习，这标志着初学教程即将向我告别。这次分成两个部分来进行学习，现在我们要学习的是两种加速模式的解释

1.动态图模式 ：  动态图的特点是计算图的构建和计算同时发生

2.静态图模式：静态图的特点是将计算图的构建和实际计算分开

静态图模式运行原理参考：静态图语法支持 — MindSpore master 文档

如图所示，两种模式介绍：

这两种模式各有各的优点与缺点，可以根据实际情况选择。

接着是静态图模式开启方式，明天在进行学习。

最后附上打卡时间

NewtoPhone
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
昇思25天学习打卡营第7天|MindSpore-ShuffleNet图像分类
pblh123的专栏
06-30 1224
基于MindSpore的ShuffleNet实践，ShuffleNetV1是一种高效的CNN模型，主要应用于移动端。其设计目标是在有限的计算资源下实现最佳精度。ShuffleNetV1引入了两种操作：Pointwise Group Convolution和Channel Shuffle，从而降低了模型的计算量。与MobileNet类似，ShuffleNetV1通过优化网络结构实现了模型的压缩和加速。
昇思25天学习打卡营第14天|基于MindNLP的文本解码原理
pblh123的专栏
07-07 1577
基于MindSpore,MindNPL实现自回归模型，贪婪搜索，Bean搜索，文本解码是自然语言处理中的一个关键任务，特别是在机器翻译、文本生成等领域。自回归模型是文本解码中常用的一种方法
【昇思25天学习打卡营第9天 | 保存与加载】
imath60的博客
07-05 224
通过本文档的学习，我们了解到MindSpore不仅提供了模型权重的保存与加载功能，还支持将模型保存为统一的MindIR格式，使得模型在不同平台间的迁移和部署变得更加简便。同时，MindX DL组件的MindIO加速功能进一步提高了模型训练的效率。这些特性为深度学习模型的开发、微调和部署提供了强大的支持。
昇思25天学习打卡营第2天|快速入门
aperson888的博客
06-24 828
🤖快速入门：打造你的智能助手||||||||||||||||||
昇思25天学习打卡营第2天|MindSpore快速入门
wwt72的博客
07-06 1076
涉及到 mindspore.nn 类。例如用户可继承nn.Cell类来自定义网络结构，其中的construct类函数包含数据（Tensor）的变换过程。。包括损失函数、优化器等。如 nn.CrossEntropyLoss() 、nn.SGD(model.trainable_params(), 1e-2)
昇思25天学习打卡营第20天|计算机视觉
u013563715的博客
07-25 784
与传统方法不同，MusicGen采用单个stage的Transformer LM结合高效的token交织模式，取消了多层级的多个模型结构，例如分层或上采样，这使得MusicGen能够生成单声道和立体声的高质量音乐样本，同时提供更好的生成输出控制。MusicGen不仅能够生成符合文本描述的音乐，还能够通过旋律条件控制生成的音调结构。MusicGen是来自Meta AI的Jade Copet等人提出的基于单个语言模型（LM）的音乐生成模型，能够根据文本描述或音频提示生成高质量的音乐样本，相关研究成果参考论文《
昇思25天学习打卡营第9天|linchenfengxue
github_zwl的博客
07-02 340
K近邻算法（K-Nearest-Neighbor, KNN）是一种用于分类和回归的非参数统计方法，最初由 Cover和Hart于1968年提出(Cover等人,1967)，是机器学习最基础的算法之一。它正是基于以上思想：要确定一个样本的类别，可以计算它与所有训练样本的距离，然后找出和该样本最接近的k个样本，统计出这些样本的类别并进行投票，票数最多的那个类就是分类的结果。KNN的三个基本要素：K值，一个样本的分类是由K个邻居的“多数表决”确定的。K值越小，容易受噪声影响，反之，会使类别之间的界限变得模糊。
昇思25天学习打卡营第13天|基于MindSpore通过GPT实现情感分类
pblh123的专栏
07-06 556
基于MindSpore实现情感分类，GPT是一种先进的深度学习模型，基于Transformer架构
昇思25天学习打卡营第11天|MindSpore-基于MindNLP+MusicGen生成自己的个性化音乐
pblh123的专栏
07-04 1324
MusicGen是来自Meta AI的Jade Copet等人提出的基于单个语言模型（LM）的音乐生成模型，支持无提示、文本、音频生成音乐。
昇思25天学习打卡营第15天|基于MindSpore的RNN实现情感分类
pblh123的专栏
07-08 840
基于MindSpore实现RNN神经网络模型的情感分类，基于IMDB数据集数据集，IMDB数据集是自然语言处理（NLP）和机器学习领域中的一个重要资源，主要用于电影评论的情感分析。
【学习笔记】卫星通信NTN 3GPP标准化进展分析（六）- 参考标准
u011376987的博客
09-01 1134
本文总结了NTN标准化进程以及后续的研究计划，是学习NTN协议的入门。本文来自3GPP Joern Krause, 3GPP MCC。
Datawhale X 李宏毅苹果书AI夏令营 学习笔记
m0_61049596的博客
08-31 1219
今天，我继续学习了深度学习中的优化算法，并且着重理解了如何利用。等高级优化器来提高模型训练的效率和效果。2024年8月30日。
iomuxc、pinctrl子系统、gpio子系统（学习总结）
weixin_61385844的博客
09-04 842
IOMUXC是SOC设计中实现引脚复用的关键组件，它通过动态切换引脚功能，提高了IO资源的利用率，满足了不同外设和功能的IO需求。在配置和使用IOMUXC时，需要参考芯片使用手册和设备树文档，确保引脚功能的正确设置。
学习项目1
m0_62803606的博客
09-03 1598
这篇文章主要记录你最近入手的无线串口模块的配置情况，这是个很好的习惯，尤其是在你以后需要重复操作或排查问题时，会非常有帮助。- **DL_20无线串口模块**：这是一个常见的无线串口通信模块，通常基于nRF24L01+等无线通信芯片，支持点对点或多点通信，适合短距离的无线数据传输。是的，如果你按照步骤成功配置了两个模块并将它们连接到单机和电脑，当你在上位机软件（如SSCOM）上能稳定地接收到从单片机发送的数据（例如每秒输出的T值），就说明两个无线模块之间的通信已经配置成功。
Web3开发与安全：6个月高效学习路径
weixin_47075747的博客
08-30 1833
这份计划应该能帮助你系统地学习智能合约开发和安全审计技能，同时克服英语的障碍。
算法的学习笔记—把数字翻译成字符串
业精于勤，荒于嬉
08-31 956
通过动态规划的方法，我们可以高效地计算出一个数字字符串有多少种不同的翻译方法。这个问题不仅考察了我们对动态规划的理解，还让我们熟悉了如何处理字符串中的边界情况和状态转移。希望通过这个例子的讲解，能够帮助你更好地理解动态规划的应用。😁热门专栏推荐想学习vue的可以看看这个java基础合集数据库合集redis合集nginx合集linux合集手写机制微服务组件spring_尘觉springMVCmybit欢迎大家加入我的社区尘觉社区文章到这里就结束了，如果有什么疑问的地方请指出，诸佬们一起来评论区一起讨论
网络编程学习：TCP/IP协议
kkbbaaii的博客
09-01 1588
网络编程学习：TCP/IP协议
IP学习——Fiveday
最新发布
qq_52973916的博客
09-05 345
设备排错：注意黑洞路由
2024.8.30 学习记录
sdhdhdhdh的博客
08-30 191
思维导图：
AI打卡训练营7天总结：从格式化输出到选手识别
本资源总结了百度AI-7Days-打卡集训营的学习内容，涵盖了格式化输出、os库应用、爬虫技术、数据分析、选手识别等多个方面的知识点。 1. 格式化输出： 在Day1的第一次作业中，要求输出9*9乘法口诀表，并且注意格式...
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