【打卡】昇思25天打卡营9号

已于 2024-07-09 22:30:50 修改
阅读量184 收藏
点赞数 1
文章标签： 笔记
于 2024-07-06 22:15:04 首次发布
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/cosima0/article/details/140236284
版权

学习笔记4

05-数据变换transforms
通常，原始数据并不能直接送入神经网络进行训练。数据变换(Transforms)，可通过map方法传入，配合数据处理Pipeline来实现数据预处理。
Compose接收一个数据增强操作序列，然后将其组合成单个数据增强操作。
针对图像数据，有Rescale，Normalize和HWC2CHW变换操作。
针对文本数据，有分词（Tokenize）、构建词表、Token转Index等操作。
针对lambda函数，Lambda transforms可以加载任意定义的lambda函数（不需要名字、由一个单独表达式组成的匿名函数）
在这里插入图片描述

cosima0
关注
昇思25天学习打卡营第25天|GAN图像生成
数字人生
07-13 1099
生成式对抗网络(Generative Adversarial Networks，GAN)是一种生成式机器学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。GAN论文逐段精读【论文精读】_哔哩哔哩_bilibili最初，GAN由Ian J. Goodfellow于2014年发明，并在论文生成器的任务是生成看起来像训练图像的“假”图像；判别器需要判断从生成器输出的图像是真实的训练图像还是虚假的图像。GAN通过设计生成模型和判别模型这两个模块，使其互相博弈学习产生了相当好的输出。
昇思25天学习打卡营第20天|计算机视觉
u013563715的博客
07-25 791
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|munger85
MungerVC
07-12 346
终于要开始进行一些大语言模型的实验了。大模型才是比较火的。
昇思25天学习打卡营第18天|计算机视觉
u013563715的博客
07-24 590
SSD，全称Single Shot MultiBox Detector，是Wei Liu在ECCV 2016上提出的一种目标检测算法。使用Nvidia Titan X在VOC 2007测试集上，SSD对于输入尺寸300x300的网络，达到74.3%mAP(mean Average Precision)以及59FPS；对于512x512的网络，达到了76.9%mAP ，超越当时最强的Faster RCNN(73.2%mAP)。具体可参考论文[1]。
昇思25天学习打卡营第1天|初学入门
u013563715的博客
07-02 1064
indices 标记的是列的索引，indices = Tensor([0, 1]) 表示只有第0列和第1列有数据，indices = Tensor([0, 1, 2, 4]) 表示只有第0列、第1列、第2列、第4列有数据。在某些应用场景中（比如推荐系统、分子动力学、图神经网络等），数据的特征是稀疏的，若使用普通张量表征这些数据会引入大量不必要的计算、存储和通讯开销。表示非零元素的值，shape表示的是被压缩的稀疏张量的形状。: 一维整数张量，表示稀疏张量非零元素在列中的位置, 与。
昇思25天学习打卡营第11天|生成式
u013563715的博客
07-19 667
生成式对抗网络(Generative Adversarial Networks，GAN)是一种生成式机器学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。最初，GAN由Ian J. Goodfellow于2014年发明，并在论文生成器的任务是生成看起来像训练图像的“假”图像；判别器需要判断从生成器输出的图像是真实的训练图像还是虚假的图像。GAN通过设计生成模型和判别模型这两个模块，使其互相博弈学习产生了相当好的输出。GAN模型的核心在于提出了通过对抗过程来估计生成模型这一全新框架。
昇思25天学习打卡营第9天|保存与加载
sjx3161的博客
07-02 352
从今天起，笔者将以打卡的方式，将原文搬运和个人思考结合，分享25天的学习内容与成果。为了提升文章质量和阅读体验，笔者会将思考部分放在最后，供大家探索讨论。同时也欢迎各位领取算力，免费体验昇思大模型！本章节主要描述了昇思大模型模型保存与加载的主要功能，其主要分为两部分，分别是保存和加载模型权重，以及保存和加载MindIR两部分。在保存和加载模型权重中，模型经初始化和实例化后，昇思大模型可指定的路径，并加载对应的模型权重；
昇思25天学习打卡营第9天|使用静态图加速
2401_86049470的博客
07-10 1511
mindspore.dataset模块提供了一些常用的公开数据集和标准格式数据集的加载API。对于MindSpore暂不支持直接加载的数据集，可以构造自定义数据加载类或自定义数据集生成函数的方式来生成数据集，然后通过GeneratorDataset接口实现自定义方式的数据集加载。GeneratorDataset支持通过可随机访问数据集对象、可迭代数据集对象和生成器(generator)构造自定义数据集，下面分别对其进行介绍。可随机访问数据集。
昇思25天学习打卡营第02天|JPPeng
JPPengHnu的博客
07-01 748
本节通过MindSpore的API来快速实现一个简单的深度学习模型。若想要深入了解MindSpore的使用方法，请参阅各节最后提供的参考链接。
【ESP 保姆级教程】疯狂毕设篇 —— 案例：基于ESP8266的WiFi自动打卡考勤系统
单片机菜鸟哥的博客
12-29 2205
现代社会上，基本上人手一部智能手机，自带wifi功能。只要我们打开了WiFi功能，我们就可以通过`自动捕获手机`发出的 802.11 帧 来获取到对应的手机MAC地址。当我们在后台服务器上预先配置好 MAC地址与用户信息的关联关系（比如`用户名字、用户工号、学生编号`等），并且把捕获到的MAC地址上传到后台服务器进行对比，我们就可以完成自动考勤或者无线点名功能。这整个过程都是无感知、全自动。
算法学习打卡日记
ZP_icenow的博客
01-18 1199
一来通过每日打卡的方式督促自己每天学习，二来总结一下知识点；主要面向自己，希望自己能坚持住吧，有一个好的结果 2019年1月18日打卡 编程语言推荐C++（包含C） 用scanf和printf相比cin/cout效率更高 int 的范围是±21亿，超过用long long 声明赋值后面加LL 小数全用double 小写字母比大写字母ASCII码大32 #define和c...
树莓派人脸打卡机（考勤机）（Python）
d_l_w_d_l_w的博客
03-12 1733
利用百度智能云中的人脸识别。 调用方法以及代码↓ 百度智能云人脸识别的注册以及代码 先介绍一下 需要安装的东西 先win+R打开 直接输入就行 ，需要安装的有 pip install baidu-aip pip install opencv-python 利用百度的人脸识别来进行操作。 如果之前没有用过可以先去https://login.bce.baidu.com 创建一个账号 进入之后 点击这个人脸识别 图片中的三个东西是在后面调用的时候需要用到的 创建一个文件夹 完整的文件 [外
100天精通Python（可视化篇）——第85天：matplotlib绘制不同种类炫酷气泡图参数说明+代码实战（网格、自定义颜色、钟型、交互、打卡、动态气泡图）
热门推荐
努力让自己发光，对的人才能迎着光而来
04-24 1万+
专栏导读 1. 气泡图介绍 1）介绍 2）参数说明 2. 普通气泡图 3. 网格气泡图 4. 自定义气泡图颜色 5. 不同颜色气泡图 6. 钟型气泡图 7. 交互气泡图 8. 打卡气泡图 9. 动态气泡图
python第八次打卡
weixin_48796592的博客
08-07 226
模块 在前面我们脚本是用 Python 解释器来编程，如果你从 Python 解释器退出再进入，那么你定义的所有的方法和变量就都消失了。 为此 Python 提供了一个办法，把这些定义存放在文件中，为一些脚本或者交互式的解释器实例使用，这个文件被称为模块（Module）。 模块是一个包含所有你定义的函数和变量的文件，其后缀名是.py。模块可以被别的程序引入，以使用该模块中的函数等功能。这也是使用 Python 标准库的方法。 1. 什么是模块 容器 -> 数据的封装 函数 -> 语句的封装 类
AIGC学习笔记—minimind详解+训练+推理
m0_56569131的博客
09-27 188
这个开源项目是带我的一个导师，推荐我看的，记录一下整个过程，总结一下收获。这个项目的slogan是“大道至简”，确实很简。作者说是这个项目为了帮助初学者快速入门大语言模型（LLM），通过从零开始训练一个仅26MB的微型语言模型MiniMind，最快可在3小时内完成。降低学习LLM的门槛，让更多人能够轻松上手。MiniMind极其轻量，约为GPT-3的1/7000，适合普通个人GPU进行快速推理和训练。
江科大笔记—LED闪烁& LED流水灯& 蜂鸣器
最新发布
m0_62005595的博客
09-28 240
LED闪烁& LED流水灯& 蜂鸣器
Maya学习笔记：项目设置和快捷键
吴梓穆的博客
09-24 348
快速空格：切换三视图，鼠标放到对应的视图上，在快速按空格，可以切到对应视图。在项目窗口里，选择要生成的子文件夹（保持默认即可），然后点下边的接受。文件/最下边选择最近的项目，在右侧展开菜单里选择刚创建的目录。只后场景会被默认保存在这个文件夹下的scenes里。F：先点击一个物体，在按F，选中的物体居中显示。主键盘5：平滑着色显示模型（默认的方式）选择一个文件夹，然后选择创建默认工作区。alt+滚路或右键拖动：缩放视角。alt+左键拖动：旋转视角。alt+中键拖动：移动视角。A：场景所有物体居中显示。
智能指针学习笔记
weixin_42130300的博客
09-24 292
1. 共享指针总体的使用来说是不线程安全的（构造和析构时才会改变引用计数，但是在访问资源时是不安全的）。可以对引用计数改变时加锁，或者将+或-操作改变为原子操作。3. 不可以将shared_ptr转换为unique_ptr。unique_ptr可以转换为shared_ptr，通过std::move。1. 关于int，成员变量的引用计数必须是int*。不可以直接是int，不然没有引用计数的作用。2. 关于是否可以声明为静态成员。不可以，否则每一个相同类型的对象都共享该计数。需要通过weak_ptr进行解决。
AI打卡训练营7天总结：从格式化输出到选手识别
百度AI-7Days-打卡集训营总结 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...
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