- 博客(137)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 人工智能算法工程师成长曲线
机器视觉算法工程师成长之路学习导图（后续将持续更新）模块一：图像基础常用的图形文件存储格式源始图像数据：raw image模块二：工具IDE和环境模块三：语言工具和库模块四：人工智能--神经网络算法模块五：参考文献学习导图（后续将持续更新）Mon 02Mon 09Mon 16Mon 23Mon 30Mon 06Mon 13Mon 20Mon 27Mon 03Mon 10Mon 17图像基础 ...
2020-03-26 12:01:50
715
原创 昇思25天学习打卡营第25天|基于MindSpore的GPT2文本摘要
GPT-2（Generative Pre-trained Transformer 2）是由OpenAI研发的一种基于Transformer架构的预训练语言模型，是GPT系列模型的新版本。GPT-2利用Transformer架构的强大能力，通过多层Transformer编码器组成，并使用自回归机制进行文本生成。，GPT-2能够捕捉输入文本的核心信息，并生成与原文内容一致且简洁明了的摘要。
2024-07-26 18:17:43
103
原创 昇思25天学习打卡营第24天|基于MindSpore通过GPT实现情感分类
数据加载可以使用：Mindspore框架循环神经网络RNN模型实现情感分类项目用同样的数据集使用load_dataset下载imdbtokenizer可以翻译为“标记解析器”。
2024-07-25 17:32:42
224
原创 RuntimeError: Exception thrown from dataset pipeline. Refer to ‘Dataset Pipeline Error Message‘.
通过mindspore创建自定义训练数据集时，设置批处理数据，报错。解释：MindSpore数据集终止并显示错误消息：数据集管道抛出异常。请参阅“数据集管道错误消息”。原因分析：批处理形状不一致，批处理操作期望每个数据行的形状相同，但在第 0 列中出现不一致的形状，此列的预期形状为：❤️,231,349>，得到的形状：❤️,314,362>。总之，是因为自定义数据中图像尺寸不一致，没有缩放裁剪一致，才不能batch化。
2024-07-25 16:26:59
103
原创 Mindspore框架CRF条件随机场概率图模型实现文本序列命名实体标注|（三）双向LSTM+CRF模型构建实现
Mindspore框架CRF条件随机场概率图模型实现文本序列命名实体标注|（三）双向LSTM+CRF模型构建与训练实现。
2024-07-25 10:27:57
581
原创 Mindspore框架CRF条件随机场概率图模型实现文本序列命名实体标注|（二）CRF模型构建
Mindspore框架CRF条件随机场概率图模型实现文本序列命名实体标注|（二）CRF模型构建Mindspore框架CRF条件随机场概率图模型实现文本序列命名实体标注|（三）双向LSTM+CRF模型构建。
2024-07-25 09:49:01
730
原创 昇思25天学习打卡营第23天|LSTM+CRF序列标注
序列标注：指给定输入序列，给序列中每个Token（word）进行标注标签的过程。序列标注问题：是从文本中进行信息抽取，包括标注分词(Word Segmentation)、词性标注(Position Tagging)、命名实体识别(Named Entity Recognition, NER)等。“BIOE”标注方法：为命名实体识别的标注方法；是将一个实体(Entity)的开头标注为B，其他部分标注为I，非实体标注为O。表示文本中的每个字符分为四种类型：B（Begin）表示一个实体的开始。
2024-07-25 09:42:18
541
原创 Mindspore框架循环神经网络RNN模型实现情感分类|（六）模型加载和推理（情感分类模型资源下载）
Mindspore框架循环神经网络RNN模型实现情感分类|（六）模型加载和推理（情感分类模型资源下载）
2024-07-24 23:02:15
376
原创 Mindspore框架循环神经网络RNN模型实现情感分类|（五）模型训练
Mindspore框架循环神经网络RNN模型实现情感分类|（五）模型训练与推理Mindspore框架循环神经网络RNN模型实现情感分类|（六）模型加载和推理（情感分类模型资源下载）
2024-07-24 17:45:44
158
原创 Mindspore框架循环神经网络RNN模型实现情感分类|（四）损失函数与优化器
Mindspore框架循环神经网络RNN模型实现情感分类|（四）损失函数与优化器Mindspore框架循环神经网络RNN模型实现情感分类|（五）模型训练与推理。
2024-07-24 12:13:10
996
原创 昇思25天学习打卡营第22天|MindNLP ChatGLM-6B StreamChat
基于MindNLP和ChatGLM-6B实现一个聊天应用：下载模型，加载模型，测试应用聊天。
2024-07-23 22:05:29
139
原创 Mindspore框架循环神经网络RNN模型实现情感分类|（二）词向量
Mindspore框架循环神经网络RNN模型实现情感分类|（三）预训练词向量Mindspore框架循环神经网络RNN模型实现情感分类|（四）损失函数与优化器Mindspore框架循环神经网络RNN模型实现情感分类|（五）模型训练与推理。
2024-07-23 10:48:25
1067
原创 Mindspore框架循环神经网络RNN模型实现情感分类|（三）RNN模型构建
RNN单个Cell的结构简单，为RNN的链式连接平铺，因此也造成了梯度消失(Gradient Vanishing)问题，具体表现为RNN网络在序列较长时，在序列尾部已经基本丢失了序列首部的信息。为了克服这一问题，LSTM(Long short-term memory)被提出，通过门控机制(Gating Mechanism)来控制信息流在每个循环步中的留存和丢弃。
2024-07-22 09:26:56
678
原创 昇思25天学习打卡营第21天|RNN实现情感分类
Mindspore框架循环神经网络RNN模型实现情感分类|（一）数据集准备Mindspore框架循环神经网络RNN模型实现情感分类|（二）RNN模型Mindspore框架循环神经网络RNN模型实现情感分类|（三）模型训练与推理tips:安装依赖库。
2024-07-21 16:11:42
672
转载 昇思25天学习打卡营第17天|GAN图像生成
MNIST手写数字数据集是NIST数据集的子集，共有70000张手写数字图片，包含60000张训练样本和10000张测试样本，数字图片为二进制文件，图片大小为28*28，单通道。图片已经预先进行了尺寸归一化和中心化处理。本案例将使用MNIST手写数字数据集来训练一个生成式对抗网络，使用该网络模拟生成手写数字图片。
2024-07-18 22:23:21
15
原创 AttributeError: module ‘PyInstaller.compat‘ has no attribute ‘is_py312‘
打包时发生错误：AttributeError: module ‘PyInstaller.compat’ has no attribute ‘is_py312’1.报错可能是由于环境中安装了过时的 IPython 引起的。我们可以尝试将其更新到更新的版本。一个关于tkinter界面，加载AI分析模型，分析图片展示结果的窗口。3.虽然打包正常，但得到的可执行文件提示缺函数。这时我们需要编写spec文件来添加依赖和资源。更新后，可正确打包。
2024-07-18 10:32:36
669
原创 Mindspore框架CycleGAN模型实现图像风格迁移|（四）CycleGAN模型训练
CycleGAN模型在训练中，有4个反向传播，分别为G(x)、Dx、F(y)、Dy四个网络的反向传播。表示真假苹果损失，真假橘子损失，周期一致损失的综合损失函数。
2024-07-17 16:26:41
429
原创 Mindspore框架CycleGAN模型实现图像风格迁移|（二）实例数据集（苹果2橘子）
图片来源于ImageNet，该数据集共有17个数据包，本文只使用了其中的苹果橘子部分。图像被统一缩放为256×256像素大小，其中用于训练的苹果图片996张、橘子图片1020张，用于测试的苹果图片266张、橘子图片248张。
2024-07-15 18:01:14
249
原创 Mindspore框架CycleGAN模型实现图像风格迁移|（一）Cycle神经网络模型构建
CycleGAN 网络本质上是由两个镜像对称的 GAN 网络组成。包括两个生成器G、F，两个判别器Dx，Dy。
2024-07-15 17:53:10
252
原创 昇思25天学习打卡营第15天|基于MobileNetv2的垃圾分类
MobileNet专注于的轻量级CNN网络。MobileNet网络使用深度）的思想在准确率小幅度降低的前提下，大大减小了模型参数与运算量。并引入宽度系数α和分辨率系数β使模型满足不同应用场景的需求。因为MobileNet网络中Relu激活函数处理低维特征信息时会存在大量的丢失，所以MobileNetV2网络提出使用倒残差结构（Inverted residual block）和Linear Bottlenecks来设计网络，以提高模型的准确率，且优化后的模型更小。
2024-07-14 15:19:49
444
原创 昇思25天学习打卡营第14天|K近邻算法实现红酒聚类
类别(13类属性)：Alcohol，酒精；Malic acid，苹果酸Ash，灰；Alcalinity of ash，灰的碱度；Magnesium，镁；Total phenols，总酚；Flavanoids，类黄酮；Nonflavanoid phenols，非黄酮酚；Proanthocyanins，原花青素；Color intensity，色彩强度；Hue，色调；OD280/OD315 of diluted wines，稀释酒的OD280/OD315；Proline，脯氨酸。。
2024-07-12 18:54:47
723
原创 昇思25天学习打卡营第13天|基于MindNLP+MusicGen生成自己的个性化音乐
MindNLP是一个依赖昇思MindSpore向上生长的NLP（自然语言处理）框架，旨在利用MindSpore的优势特性，如函数式融合编程、动态图功能、数据处理引擎等，致力于提供高效、易用的NLP解决方案。通过全面拥抱等开源社区，实现模型的快速迁移和适配，同时保持对MindSpore特性的深度利用。MindNLP适用于各种NLP任务，包括但不限于文本分类、情感分析、信息抽取、问答系统等。位于GitHub上（MindNLP GitHub仓库），用户可以在此获取MindNLP的源代码、文档和示例代码。
2024-07-12 09:03:43
1009
原创 昇思25天学习打卡营第12天|Vision Transformer图像分类
ViT则是自然语言处理和计算机视觉两个领域的融合结晶。在不依赖卷积操作的情况下，依然可以在图像分类任务上达到很好的效果。
2024-07-10 18:53:11
557
原创 昇思25天学习打卡营第11天|SSD目标检测
SSD采用VGG16作为基础模型，然后在VGG16的基础上新增了卷积层来获得更多的特征图,利用了多尺度的特征图做检测。SSD先通过卷积不断进行特征提取，在需要检测物体的网络，直接通过一个3 ×3卷积得到输出，卷积的通道数由anchor数量和类别数量决定，具体为`(anchor数量*(类别数量+4))`。
2024-07-09 23:03:41
360
原创 昇思25天学习打卡营第10天|ShuffleNet图像分类
ShuffleNet是一种专为移动设备设计的、计算效率极高的卷积神经网络（CNN）架构。其网络结构的设计主要围绕减少计算复杂度和提高模型效率展开，通过引入逐点分组卷积（Pointwise Group Convolution）和通道洗牌（Channel Shuffle）两种新技术，实现了在保持精度的同时大幅降低计算成本。
2024-07-08 21:59:08
656
原创 昇思25天学习打卡营第9天|ResNet50图像分类
残差结构由两个分支构成：一个主分支𝐹(𝑥)，一个shortcuts（图中弧线表示,𝑥𝐹(𝑥)+𝑥。通过Relu激活函数后即为残差网络最后的输出。定义类实现结构定义类实现Bottleneck结构在输入相同的情况下Bottleneck结构相对结构的，更适合层数较深的网络，ResNet50使用的残差结构就是Bottleneck。该结构的主分支有三层卷积结构，分别为1×1的卷积层、3×3卷积层和1×1的卷积层，其中1×1的卷积层分别起降维和升维的作用。
2024-07-07 17:58:49
883
原创 pandas读取CSV格式文件生成数据发生器iteration
在Pandas中，可以使用pandas.read_csv函数读取CSV文件，并使用iter函数将DataFrame转换为迭代器，每次next时返回一行数据。
2024-07-06 11:10:41
248
原创 昇思25天学习打卡营第8天|ResNet50迁移学习
迁移学习是一种机器学习方法，具体是指将已经在某一领域（或任务）学习到的知识或模型，应用到另一个不同但相关的领域（或任务）中，以提高在该新任务上的学习效率和效果。这种知识或模型的迁移可以包括网络参数、特征表示、数据间的关系等多种形式的知识。
2024-07-05 22:21:19
387
原创 昇思25天学习打卡营第7天|保存与加载
MindSpore是由华为开源的全场景深度学习框架，旨在帮助用户更高效地开发AI应用。在MindSpore中，网络模型的构建主要通过继承mindspore.nn.Cell类来实现。本文介绍了网络模型的保存、加载和导出方法。
2024-07-04 18:04:49
212
原创 昇思25天学习打卡营第6天|数据变换 Transforms
通用数据增强mindspore.dataset.transforms接口常用变换概览。
2024-07-03 22:23:22
918
原创 昇思25天学习打卡营第5天|FCN图像语义分割
全卷积网络（FCN）是用于图像语义分割的一种框架。语义在图像领域指的是图像的内容，对图片意思的理解。因FCN丢弃全连接层替换为全卷积层，网络所有层均为卷积层，故称为全卷积网络。FCN是首个端到端（end to end）进行像素级）预测的全卷积网络。语义分割的目的是对图像中每个像素点进行分类。与普通的分类任务只输出某个类别不同，语义分割任务输出与输入大小相同的图像，输出图像的每个像素对应了输入图像每个像素的类别。可视化输出结果，不同类别用颜色表示。卷积化：使用VGG-16作为FCN的backbone。
2024-07-01 22:37:36
304
原创 昇思25天学习打卡营第4天|函数式自动微分
关于导数，偏导数，方向导数，微分，和梯度与深度学习模型优化的深度联系。导数本质是一种极限，实际场景中表示切线斜率；微分本质是“以直代曲，线性逼近”，让本来对曲线进行运算的操作，转化成对直线进行操作，简化了难度。
2024-06-30 16:54:34
1028
原创 昇思25天学习打卡营第3天|网络构建
在MindSpore中，Cell类是构建所有网络的基类，也是网络的基本单元。cell:神经细胞，神经元。本文介绍了mindspore.nn网络模型构建关键接口。
2024-06-29 14:07:30
334
原创 昇思25天学习打卡营第2天|数据集Dataset
mindspore.dataset模块提供了加载和处理各种通用数据集的API，如MNIST、CIFAR-10、CIFAR-100、VOC、COCO、ImageNet、CelebA、CLUE等， 也支持加载业界标准格式的数据集，包括MindRecord、TFRecord、Manifest等。此外，用户还可以使用此模块定义和加载自己的数据集。
2024-06-28 23:56:17
365
人工智能+LSTM+影评情感分类模型
2024-07-24
cycleGAN风格迁移数据集.rar
2024-07-17
MobileNetv2-26类垃圾分类模型
2024-07-14
人工智能视觉分析+人员伏案睡岗检测接口+训练好的模型资源
2024-07-10
yolov8-pose姿势估计，站立识别：动作检测-站姿-接口函数
2023-11-27
轮廓边缘预测模型u2net.pth
2021-11-01
checkpoints.zip
2021-06-23
checkpoints.rar
2021-06-16
KPDEM_model.zip
2021-04-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人