![](https://img-blog.csdnimg.cn/20190927151026427.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
技术博客
文章平均质量分 77
技术博客
昇思MindSpore
这个作者很懒,什么都没留下…
展开
-
昇腾AI@青岛 | 更快!更准!米塔碳携手昇腾AI打造新能源高精度预测平台
该平台核心技术为高精度的璞云气象功率预报大模型,依托Atlas 系列硬件和昇思MindSpore AI框架进行开发,能够对15分钟级的气象及功率进行高精度预报,同时将计算速度从小时级提升至分钟级,效率显著提高。在双碳目标下,中国的新能源产业迎来发展高峰,然而,天气的不可控导致新能源发电机组输送到电网的瞬时功率波动变化大,严重威胁主电网总体运行的可靠性和安全性。未来,昇腾AI将继续携手米塔碳等合作伙伴,努力做好基础软硬件平台,通过数字化智能化技术融合应用,为能源高质量发展提供有效支撑。原创 2023-10-25 15:11:06 · 141 阅读 · 0 评论 -
项目分享 | 如何通过MindNLP将HuggingFace Datasets嫁接到昇思MindSpore
MindNLP的开发大概也有小一年时间了,整体而言面临着诸多的问题,并且还伴随着LLM带来的一系列冲击和挑战。作为一个依赖昇思MindSpore向上生长的后来者NLP框架,其实也要考虑怎么扩大生态的问题。还是那句俗话——打不过就加入。不过对于开源世界而言,又何谈加入,你中有我我中有你才是常态,况且在前两天Pytorch2.1+Ascend官宣的这个当口,生态嫁接毫无疑问是最优解。闲话就到这,进入正题。原创 2023-10-25 15:09:56 · 237 阅读 · 0 评论 -
论文精讲 | 基于昇思MindSpore实现多域原型对比学习下的泛化联邦原型学习
昇思MindSpore作为一个开源的AI框架,为产学研和开发人员带来端边云全场景协同、极简开发、极致性能,超大规模AI预训练、极简开发、安全可信的体验,2020.3.28开源来已超过5百万的下载量,昇思MindSpore已支持数百+AI顶会论文,走入Top100+高校教学,通过HMS在5000+App上商用,拥有数量众多的开发者,在AI计算中心,金融、智能制造、金融、云、无线、数通、能源、消费者1+8+N、智能汽车等端边云车全场景逐步广泛应用,是Gitee指数最高的开源软件。原创 2023-10-25 14:32:28 · 445 阅读 · 0 评论 -
MindSpore AI科学计算系列 | 基于深度学习模型来替代传统DFT模型以及DeephE3模型的分析综述
近年来深度学习在计算量子化学领域取得了重大进展,现有的深度学习方法已经证明了其在解决各种具有挑战性的量子力学模拟任务方面的效率和表现力,随着当今算力的不断增加,深度学习和第一性原理方面结合越来越深,从基本的物理学定律出发,在原子和电子的尺度结合等变神经网络来预测量子领域的值,尤其是在DFT领域里,也诞生了一些深度学习模型,例如DeephE3,QhNet, 这些网络都是基于等变网络来预测DFT哈密顿量。(2)例如有一个三维原子的结构,我们要去用神经网络去预测他的各种性质,例如势能,电子数量,受力方向。原创 2023-10-25 14:28:40 · 250 阅读 · 0 评论 -
薪动实习,抢占先机,开源实习上线新任务啦!
自昇思MindSpore开源社区上线开源实习以来,获得了众多高校开发者的积极反馈,2022年不少小伙伴与我们一起见证了开源实习顺利启动,一年中我们有幸陪伴和见证各位实习同学的飞速成长,6个月的合作与学习并不是终点,开源之路征程如海,步履不停,推动浪潮前行;在实习有效期6个月内积分满60分即可开具实习证明,满100分有机会获得优秀实习生证书。参与开源项目,成为其中的贡献者,你的成果将向所有人开放共享,为用户创造价值。活动中每个项目任务都配备了资深导师,带领你打开开源大门,深度参与社区贡献。原创 2023-10-25 14:26:39 · 94 阅读 · 0 评论 -
项目分享 | 如何通过昇思MindSpore实现强化学习玩游戏
摘要论文网址:https://paperswithcode.com/paper/playing-atari-with-deep-reinforcement01 用Pycharm创建虚拟环境项目项目代码和训练结果上传到百度网盘了,可以先下载下来,但是由于虚拟环境太大了所以没有上传,需要自己下载安装一遍,具体操作可以查看下文介绍。链接:https://pan.baidu.com/s/1zoh0glqH4xcNSbOUuR2r7g?pwd=00wd提取码:00wd首先使用Pycharm创建一个新项目,然后如下原创 2023-10-25 14:25:16 · 246 阅读 · 0 评论 -
基于昇思MindSpore实现的时空超分辨率CycMuNet+,显著提高视频画质
论文标题CycMuNet+: Cycle-Projected Mutual Learning for Spatial-Temporal Video Super-Resolution论文来源CVPR2022/TPAMI论文链接https://openaccess.thecvf.com/content/CVPR2022/papers/Hu_Spatial-Temporal_Space_Hand-in-Hand_Spatial-Temporal_Video_Super-Resolution_via_Cycle-P原创 2023-10-25 14:22:12 · 225 阅读 · 0 评论 -
打通科学智能任督二脉 | AI4Science高频模型套件:MindSpore SciAI 0.1发布
MindSpore SciAI 0.1版本内置了60+高频SOTA模型,覆盖物理感知(如PINNs、DeepRitz以及PFNN)和神经算子(如FNO、DeepONet、PDENet)等主流模型,模型覆盖度全球第一;使用AutoModel.train实现模型的训练,并且在训练前,可使用AutoModel.update_config调整训练参数或加载.ckpt文件实现模型微调。MindSpore SciAI提供了丰富的AI4Science高频模型,下图汇总了当前已实现的网络模型及其对应领域。原创 2023-10-25 14:19:39 · 251 阅读 · 0 评论 -
MindSpore AI科学计算系列 | 有效改善预报模糊问题,生成式模型在短临降水预报中大放异彩
该模块着眼于平流运动等物理性质更显著的中尺度降水过程,用Intensity decoder和Motion decoder分别来模拟雨势的大小和对流趋势,生成对应的强度场(intensity)和移动场(motion),然后通过Evolution operator(图1c),基于物质连续性方程,将移动场作用在最后一帧雷达,并叠加强度场,从而生成大尺度下的预测结果。得益于上述融合设计,该模型兼具深度学习与物理建模的优势,在国际上首次将降水临近预报的时效延长至3小时,并弥补了极端降水预报的短板。原创 2023-10-25 14:17:15 · 523 阅读 · 0 评论 -
第五期《MindFormers套件之大模型开发实践》
MindFormers大模型使能套件之大模型开发实践。原创 2023-10-18 11:38:19 · 313 阅读 · 0 评论 -
第四期《MindFormers套件之大模型文本生成和分布式在线推理》
MindFormers大模型套件赋能培训第四期《MindFormers套件之大模型文本生成和分布式在线推理》原创 2023-10-18 11:36:57 · 168 阅读 · 0 评论 -
第三期《MindFormers套件之大模型Lora微调》
MindFormers大模型套件赋能培训第三期《MindFormers套件之大模型Lora微调》原创 2023-10-18 11:34:53 · 238 阅读 · 0 评论 -
第二期《MindFormers套件之大模型预训练和并行特性》
MindFormers大模型套件赋能培训第二期《MindFormers套件之大模型预训练和并行特性》原创 2023-10-18 11:32:35 · 307 阅读 · 0 评论 -
第一期·MindFormers大模型套件《架构讲解与使用入门》
MindFormers大模型套件赋能培训第一期《MindFormers套件架构讲解与使用入门》原创 2023-10-18 11:30:55 · 722 阅读 · 0 评论 -
重磅!第一期·量子算法难题挑战赛总决赛获奖名单公布!
在高性能计算机上进行量子化学模拟已成为研究材料的物理、化学性质的重要手段,大赛发布的赛题是“量子化学模拟——基态能求解的浅层线路设计”,要求选手基于Variational Quantum Eigensolver(VQE)方法,求解不同分子体系的基态能量,需选择基矢为sto-3g,通过设计线路或者改良优化方法,让VQE在更短的时间内达到化学精度,从而激发大家对量子化学模拟课题的思考和创新。更进一步,一些分子轨道中的电子可能不参与激发过程,相应我们可以冻结这些轨道,只保留活跃的空间轨道,以此简化哈密顿量。原创 2023-06-06 15:41:31 · 304 阅读 · 0 评论 -
2023中关村论坛 | 武智院院长王金桥:大模型是AGI发展重要路径
面向当前大模型和AI大发展的时代,武智院也将持续坚守多模态大模型战略方向不动摇,加强关键核心技术攻关,促进人工智能与实体经济相结合,为数字经济的发展提供坚实支撑,助推认知智能时代加速到来。科技部高新技术司副司长、一级巡视员梅建平在作线上致辞时表示,当前人工智能对各个行业的渗透性、扩散性和颠覆性与日俱增,以预训练大模型、AI和算力为代表的新兴技术正在引发新一轮AI创新热潮,营造良好的人工智能发展生态,可以为实体经济、数字经济的发展注入强劲动力,提供坚实支撑。武智院院长王金桥接受采访。原创 2023-06-06 15:30:02 · 386 阅读 · 0 评论 -
论文精讲 | 基于昇思MindSpore Quantum搭建量子神经网络分类器
幅度编码中,待训练数据进行归一化之后,以量子态幅度的形式输入到含参量子线路中,使用的比特数量与数据长度为对数关系。块编码中,训练数据作为参数,编码到ansatz的含参量子门中,需要的比特数与数据长度和线路深度相关。ansatz中分为参数层和纠缠层两部分,四种ansatz参数层选取一致,纠缠层分别由CZ、CNOT、两层CNOT、多体系统下的时间演化构建。下,不同的线路深度和ansatz对应的四种数据集的分类表现为下表,Ent1、Ent2、Ent3分别为前面提到三种纠缠线路(a)、(b)、(c)。原创 2023-06-06 15:20:48 · 300 阅读 · 0 评论 -
MindSpore AI科学计算系列 | 图、流形与群等变网络
在第二与第三排中,流形上的每一点都有多个坐标系,不同坐标系之间通过规范变换群G相联系,这里第二排的G是一个二元的反演群,第三排的G是SO(2)群。例如,分子结构除了具有三维空间平移对称性外,还具有三维空间旋转对称性,因此具有空间旋转等变性的神经网络会具有更好的精度、更强的表达能力和可解释性,而且所需的数据量更少。为此,我们需要在流形上选取多组坐标系,在不同坐标系的交汇处,同一个点可以在不同坐标系中表达(平凡化),那么不同的表达应该是相容的,即可以通过一个规范变换进行转换,如图3所示。原创 2023-05-26 16:16:29 · 184 阅读 · 0 评论 -
项目分享 | 基于昇思MindSpore AI框架的肾脏肿瘤分割一等奖[咸鱼]团队思路
Res-U-Net的输入是一个512×512×3的图像,其中3是图像的通道数,512是图像的宽和高。在拼接前ResDownSample层的输出特征图会先通过一个1×1的Conv层进行通道数的缩减,这个通道数的缩减是为了确保后面的CatResBlock的输入特征图具有合理的通道数。第2个卷积层的stride = 1,其不改变特征图的宽和高。图像的∈∈随机面积裁剪比例的区间为(0.92,0.99),即,Scrop/Spad∈(0.92,0.99),其中Scrop表示裁剪图像的面积,Spad表示填充图像的面积。原创 2023-05-26 16:13:12 · 144 阅读 · 0 评论 -
昇腾AI开发者峰会2023精彩回顾,带你解锁不一样的开发者盛会
此次峰会,昇腾聚焦根技术,持续夯实基础软硬件能力,正式发布昇腾Ascend C编程语言、昇思MindSpore AI框架、智能推荐SDK mxRec、昇腾AI开发者套件Atlas 200I DK A2等应用不同开发场景的的昇腾AI技术、开发平台和工具一定能让你眼前一亮!昇腾展区人气爆棚,设置四大部分。同时,基于不同的开发者开发需求,面向算子、模型、应用开发场景,匹配算子展区、模型展区、应用展区,同时结合江城洛神体验、ModelZoo昇腾AI模型体验,全面展示昇腾AI软硬件综合优势。数智未来,因你而来!原创 2023-05-26 16:06:01 · 309 阅读 · 0 评论 -
【昇思MindSpore技术公开课】第四节课GPT的课程回顾来啦!
Task Conditioning:GPT2实现Zero Shot的核心方法,针对不同任务设计Task Condition(即Task instruction)进行预训练,面向新的生成任务,可以不进行有标注的微调,而使用instruction来引导模型生成结果。如果大家在运行代码中遇到什么问题,对课程有什么建议,或者希望我们增添什么内容,都可以在昇思MindSpore技术公开课大模型专题的代码仓中提issue进行反馈,或者加入课程讨论群,会有课程讲师在群中进行答疑。昇思MindSpore的分布式特性讲解。原创 2023-05-26 15:57:40 · 281 阅读 · 0 评论 -
昇思报错调试宝典 | 大~收~官~汇总在手,玩转自由
本系列针对数据加载与处理类报错(1篇)、网络构建与训练类报错(5篇)和分布式并行类报错(4篇)以案例的方式详细展开,根据获取到的网络、框架各种信息(例如:报错信息、网络环境等信息)进行分析,推断报错的原因,定位出问题代码并调试,更多报错内容可以点击。看看网络构建与训练类报错常见的最后一个问题分类,即资源不足方面的报错,如遇到资源不足方面的报错,如Out Of Memory、memory isn’t enough等等资源问题应该如何分析呢?)启动多卡任务失败的案例,解决分布式并行训练中的报错难题。原创 2023-05-26 15:54:02 · 50 阅读 · 0 评论 -
推进产学研协同 | 昇思受邀出席“科创中国”开源创新与信创产业发展高峰论坛
会上,华为计算开源生态总监黄之鹏带来《华为计算开源生态建设经验分享》主题分享,介绍华为计算产业相关的操作系统、数据库及人工智能等领域的大型开源社区的相关发展,分享在建设和运作openEuler,openGauss,MindSpore等开源社区的经验。论坛以“开放、创新、合作”为主题,旨在聚焦国家战略规划,围绕开源生态、信创产业化创新应用,开展学术界、产业界的交融互动,推进产学研协同,推动开源生态繁荣发展。● 5500多家企业基于昇思构建应用方案、超过 800家企业获得昇思技术认证;原创 2023-05-26 15:50:54 · 92 阅读 · 0 评论 -
从感知世界到认知世界!“紫东太初”全模态大模型持续探索通用人工智能新路径
区别于当前以文本为主的大部分语言大模型,“紫东太初”大模型在研发之初即坚持以多模态技术为核心,利用图-音-文等更多类型数据进行跨模态的统一表征和学习,实现了图像、文本、语音三模态数据间的“统一表示”与“相互生成”,使人工智能大模型的理解和生成能力更加接近人类,为贯通多模态人工智能行业应用提供了创新基础,向通用人工智能迈出关键一步。世界已经进入了数字物联时代。,可实现文本、图片、语音、视频、3D点云、传感信号等不同模态的统一表征和学习,助推通用人工智能时代加速到来。原创 2023-05-10 16:38:53 · 294 阅读 · 0 评论 -
项目分享 | 基于昇思MindSpore AI框架的肾脏肿瘤分割「额滴肾呐」团队思路
而解码器由2×2×2反卷积层上采样、拼接层和一个3×3×3卷积层组成堆叠组成,最后经过1×1×1卷积输出。通过图2的可视化结果可以发现,nnUNet可以发挥出较好的肾脏分割效果(红色标注),但我们发现,肿瘤分割效果(绿色标注)存在少量漏检的情况,如最后一张CT显示,肾脏下方的肿瘤并未正确识别出来,这可能与训练不够充分有关。针对医学数据,在于理解数据,并采用适当的预处理、训练、推理策略和后处理方法,经典的网络也能达到预期的效果,而一味追求网络结构的改变并不会带来明显的突破,往往会导致过拟合。原创 2023-05-10 16:36:26 · 213 阅读 · 0 评论 -
昇腾AI开发者峰会昇思分论坛成功举办,打造AI创新之源
5月6日-7日,昇腾AI开发者峰会2023在东莞松山湖成功举行,大会以“创未来 享非凡”为主题,汇聚了昇腾AI产业的开发者先锋力量。昇思MindSpore开源社区在本次峰会中主办了以“开源创新,引领未来“为主题的分论坛,与广大开发者共逐AI开源前沿。华为计算开源业务总经理李永乐出席本次会议并进行了开场致辞。华为计算开源业务总经理李永乐作为开源的新一代全场景AI框架,昇思MindSpore生态快速发展,已成为国内最具创新活力的AI开源社区。截止目前,社区昇思软件下载量超过451万,增速第一;超过1.3万开发者原创 2023-05-10 16:34:01 · 280 阅读 · 0 评论 -
昇思应用案例 | 小白都看得懂的数据变换(Transforms)详解
[Tensor(shape=[], dtype=Int64, value= 2)], [Tensor(shape=[], dtype=Int64, value= 4)], [Tensor(shape=[], dtype=Int64, value= 6)]],可以看到map传入Lambda函数后,迭代获得数据进行了乘2操作。通常情况下,直接加载的原始数据并不能直接送入神经网络进行训练,此时我们需要对其进行数据预处理。在使用Lookup前,需要构造词表,一般可以加载已有的词表,或使用Vocab生成词表。原创 2023-05-10 16:24:49 · 338 阅读 · 0 评论 -
MindSpore AI科学计算系列 | 几何深度学习系列——统一视角下的神经网络
以CNN为例,空间是二维离散平面,变换群是二维平移群,特征场是图片的通道信息,变换的表示是平凡表示,线性等变层是卷积层,非线性层可以是任意非线性函数(因为特征场由标量组成,不会对非线性层做出约束),局部池化层是CNN中的池化层,线性不变层是网络末端的MLP。简单的说,空间是指信息在空间尺度上的延展,特征场则在空间上的每一点定义了一个特征矢量,神经网络的本质是一个特征场之间的映射。一个范畴的例子是集合范畴,它的对象是所有的集合,它的态射是所有的函数,它的复合运算就是函数的复合。原创 2023-05-10 16:17:20 · 489 阅读 · 0 评论 -
昇思报错调试宝典 | 并行报错知多少?调试方案带你走!
通过十期MindSpore的报错案例讲解,相信大家对常见的报错分类都有一定认识了。报错分析首先需要区分问题场景,像常见的语法错误、算子执行错误、常数策略配置错误等,先完成场景识别,就能避免解决问题时绕远路;再从报错日志入手分析,快速识别问题关键信息,对比代码、配置或者查看官方API文档,明白异常产生的原因,能正确的修改代码或者配置,从而高效解决问题,使自己的程序顺利运行。)启动多卡任务失败的案例,主要解决脚本启动方式错误和并行配置启动任务不匹配的问题,欢迎大家一起学习和讨论类似情况。具体案例请参考下图~原创 2023-05-10 16:15:34 · 82 阅读 · 0 评论 -
项目分享 | 基于昇思MindSpore AI框架的肾脏肿瘤分割「大山中学摸奖」团队思路
2022 CCF BDCI 第十届CCF大数据与计算智能大赛第十届CCF大数据与计算智能大赛(2022 CCF BDCI)已圆满结束,大赛官方竞赛平台DataFountain(简称DF平台)将陆续释出各赛题获奖队伍的方案思路,欢迎广大数据科学家交流讨论。本方案为【基于昇思MindSpore AI框架的肾脏肿瘤分割】赛题的二等奖获奖方案,赛题地址:http://go.datafountain.cn/3056(戳底部“阅读原文”可直达)获奖团队简介团队名称:大山中学摸奖团队成员:“大山中学摸奖”团队成员共计 3原创 2023-05-10 16:02:54 · 178 阅读 · 0 评论 -
论文精讲 | 当深度学习遇见软件工程,源代码预训练模型调查分类汇总
即与其从头开始训练模型(即使用随机初始化的网络权重),通常需要大量特定于任务的注释数据,不如先在一个或多个所谓的自监督任务(即可以自动生成注释数据的任务,因此大量训练数据容易获得)上对其进行预训练,然后可以以通常的监督方式使用(潜在少量的)任务特定的注释训练数据来精细调整所得到的预训练模型以学习目标任务。因此,同时预训练对数据和任务有最严格的要求,因为它要求对于每个数据实例,所有的预训练任务都可以在一次前向传播中完成,以便它们的损失可以相加形成最终的优化目标,并在后向传播过程中联合最小化。原创 2023-05-10 15:48:54 · 592 阅读 · 0 评论 -
昇思应用案例 | FGSM网络对抗攻击,轻松调节模型精度
Szegedy在2013年最早提出对抗样本的概念:在原始样本处加入人类无法察觉的微小扰动,使得深度模型性能下降,这种样本即对抗样本。如下图所示,本来预测为“panda”的图像在添加噪声之后,模型就将其预测为“gibbon”,右边的样本就是一个对抗样本:图片来自Explaining and Harnessing Adversarial Examples。原创 2023-05-10 15:41:30 · 520 阅读 · 0 评论 -
昇思应用案例 | Colorization实现灰度图像的自动着色
"""定义Colorization网络"""mask)1.算法流程2.模型训练实例化损失函数,优化器,使用Model接口编译网络,开始训练。import os#加载参数type=str)type=str,type=str,type=str,type=int,#网络实例化#设置优化器#实例化NetLoss#实例化TrainOneStepWithLossScaleCell#加载数据集iters = 0#为每轮训练读入数据#输出训练数据#中间保存训练结果net,原创 2023-04-21 15:17:51 · 411 阅读 · 0 评论 -
项目分享 | 基于昇思MindSpore AI框架的肾脏肿瘤分割「MPLab」团队思路
理想的statz,x,y在各个维度上的体现应当是从全部为背景的0,过渡到不为0的目标区域,再过渡到全部为背景的0区域,其中有一个维度会多一次过渡,因为人体含有两个肾脏。其中肾脏的预测分数是将实际预测结果为1的肾脏区域和预测结果为2的肿瘤区域作为前景,将其他一切区域作为背景来计算的,这与本次比赛中所使用的评估方法完全一致。在此激励下,如图1所示,我们提出了一个二阶段混合肾脏-肿瘤语义分割器,通过对肾脏RoI定位,再对肾脏区域精细分割,在提供的数据集上达到了优良的分割效果。原创 2023-04-21 14:22:27 · 1049 阅读 · 1 评论 -
大模型高效开发的秘密武器——大模型低参微调套件MindSpore PET篇
在大模型开发方面,昇腾推出了大模型开发使能平台,基于昇思MindSpore构建了支撑大模型开发的全流程大模型使能套件,包括TransFormers大模型套件MindSpore TransFormers、以文生图大模型套件MindSpore Diffusion、人类反馈强化学习套件MindSpore RLHF、大模型低参微调套件MindSpore PET,支撑大模型从预训练、微调、压缩、推理及服务化部署。虽然有强大的能力,但模型网络规模巨大,约9亿参数量,适配下游任务时训练时间长,计算和存储内存开销大。原创 2023-04-13 11:20:37 · 511 阅读 · 0 评论 -
共筑AI创新之源:CAAI-MindSpore学术奖励基金项目答辩暨交流分享会圆满举办
北京航空航天大学彭浩老师、中国科学技术大学於俊老师、厦门大学组织部副部长曲延云老师、山东大学丛润民老师、中南大学王森章老师担任嘉宾分享在产业人才培养方面的经验。CAAI-MindSpore学术奖励基金项目面向高校及科研院所的AI科研人员,搭建学术交流平台,提供经费、算力、技术支持等服务,推动昇思MindSpore在AI领域科研的应用,支持基于全场景AI框架昇思MindSpore的国际高水平会议和期刊的学术论文发表,激发原创性科学研究,构建原生技术生态,打造中国人工智能科学研究的全球影响力。原创 2023-04-13 11:14:26 · 331 阅读 · 0 评论 -
MSAdapter,一款高效迁移PyTorch代码到昇思MindSpore生态的适配工具
下面以AlexNet模型为例,训练CIFAR10数据集的PyTorch代码转到MSAdapter代码,完整的代码可以从MSAdapterModelZoo获取(https://openi.pcl.ac.cn/OpenI/MSAdapterModelZoo/src/branch/master/official/cv/alexnet)为了帮助用户高效迁移PyTorch代码到昇思MindSpore生态,昇思MindSpore和鹏城实验室联合开发的一款昇思MindSpore生态适配工具——MSAdapter。原创 2023-04-13 11:12:09 · 595 阅读 · 0 评论 -
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
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。原创 2023-04-13 11:03:33 · 990 阅读 · 0 评论 -
MindSpore Quantum 0.8 | 量子线路模拟器全新升级,新增GPU模拟器,性能倍级提升
在新版本中,我们利用numba对自定义量子门进行编译,模拟器会读取编译出的机器码来进行量子门模拟,这极大的提高了自定义量子门的模拟速度,且编译后的自定义量子门可以在模拟器后端的多线程场景中运行。因此,在新版本中,我们可以在量子线路的svg方法中传入一个width参数来调整量子线路的展示宽度,使得线路可以在一个页面里完美展示。新版本中我们推出了全新的量子模拟器mqvector,支持全振幅量子模拟,且可自适应控制量子模拟时调用的运算资源,性能表现更好。此外新版本支持更多的量子门,方便用户开发更多新的量子算法。原创 2023-04-13 10:57:42 · 536 阅读 · 0 评论 -
打造人工智能创新之源,共建昇思开源新生态
3月31日,由昇思MindSpore开源社区主办的昇思开源三周年生日会如期举行。本次生日会对即将发布的昇思MindSpore 2.0正式版本进行预告、发布了最新版的昇思大模型平台,同时还发布了昇思大模型技术公开课程。生日会给开发者展示了三年来昇思在人才培养、开源共建方面的最新进展,全面呈现了昇思MindSpore开源社区携手伙伴共同打造人工智能创新之源,构建中国自主AI框架的规划与生态成果。昇思MindSpore业务总经理丁诚对生日会进行开场致辞,他表示,人工智能产业正迎来科研突破、行业应用落地的关键加速期原创 2023-04-07 09:44:35 · 292 阅读 · 0 评论