MindSpore易点通
文章平均质量分 91
MindSpore易点通
昇思MindSpore
这个作者很懒,什么都没留下…
展开
-
在Windows下编译昇思MindSpore的GPU版本
这个问题的核心原因在于CUDA的编译工具,在Windows下依赖cl.exe,这是微软的MSVC的编译器,因此无法使用Mingw的Gcc工具链完成编译。在解决了海量的工程问题后,当前master分支代码已可以基于MSVC完成Windows GPU版本编译,并在2.0版本中进行正式的发布。编译好的GPU版本在代码仓的build/package中,如下,使用pip install mindspore_gpu-2.0.0-cp39-cp39-win_amd64.whl即可完成GPU版本的安装。原创 2023-02-17 11:14:02 · 379 阅读 · 0 评论 -
【课程作业经验】基于MindSpore的YOLOv3-Darknet53的车辆检测计数实现
在前面从图像中检测出来的目标框出来并显示目标的类别的基础上,统计每个类别的目标的数量,即创建一个列表,每个目标类别对应一个项,初始值为0,在给物体画目标检测框的时候顺便在刚才创建列表中目标类别对应的项加1,在画框结束后,对于每种目标类别对应的数量也保存到了列表中,然后构建好表示目标类别和数量的字符串并通过cv2库中的putText方法将统计到的目标的种类及相对应的数量添加到图片当中。模型训练、验证、使用分别对应train.py,eval.py,predict.py,详细方法参考。6.模型训练、验证、使用。原创 2022-12-12 11:28:40 · 365 阅读 · 0 评论 -
基于MindSpore框架的道路场景语义分割方法研究
本文以华为最新国产深度学习框架Mindspore为基础,将城市道路下的实况图片解析作为任务背景,以复杂城市道路进行高精度的语义分割为任务目标,对上述难处进行探究并提出相应方案,成功地在Cityscapes数据集上完成了语义分割任务。整体的技术方案见图:本帖仅对代码上的更改以及项目进行介绍。https://gitee.com/xujinminghahaha/mindspore_modelCityscapes数据集提供了3475张细粒度分割标签图,以及20 000张粗略分割的图像,本文使用了细粒度标注的tra原创 2022-12-05 14:07:14 · 1003 阅读 · 2 评论 -
【MindSpore易点通】Transformer的注意力机制
通过本文自注意力机制self-attention的过程解析,首先通过输入词的query和key相乘计算出一个关系权重,再用这个关系权重对value进行加权求和,以提升一个序列中相关向量的权重,降低不相关元素的权重。在计算完自注意力分数后,我们看到后面还有一个softmax计算,考虑到softmax的图形,在值越大的地方梯度会越小,所以如果上一步计算出的分数值越大,那样就会出现梯度小时的情况,此时就需要进行分数值的调整。常用的计算方法是用分数值除以dk的开方,这里的dk表示向量k的维度。原创 2022-11-21 09:59:57 · 808 阅读 · 0 评论 -
【MindSpore易点通】模型测试和验证
在测试中调用MindSpore已有的评估函数,需要定义一个dict,包含要使用的评估方式,并在定义model时传入,后续调用model.eval()会返回一个dict,内容即为metrics的指标和结果。本文的样例代码是一个Resnet50在Cifar10上训练的分类网络,采用datasets.Cifar10Dataset接口读取二进制版本的CIFAR-10数据集,因此下载CIFAR-10 binary version (suitable for C programs),并在代码中配置好数据路径。原创 2022-11-15 10:12:26 · 614 阅读 · 0 评论 -
【MindSpore易点通】MindSpore Data经验解析
首先MindSpore Data提供了简洁、丰富的数据读取、处理、增强等功能;原创 2022-11-07 11:38:57 · 1015 阅读 · 0 评论 -
【MindSpore易点通】如何迁移PyTorch代码并在Ascend上实现单机单卡训练
由于MindSpore的架构设计不同于PyTorch框架,二者的训练流程以及代码实现也有不同,下图展示了两者的区别。原创 2022-11-01 11:09:25 · 819 阅读 · 0 评论 -
深入了解MindSpore训练推理框架设计
随着对于MindSpore框架使用的深入,用户可能不仅仅满足于使用MindSpore实现基本的计算机视觉分类任务,而是转向更加复杂的图像分割、目标检测等任务。在这类任务中,区别于图像分类这种可以“输出即所得”的任务,图像分割、目标检测等任务往往涉及到相对复杂的“结果后处理”。而在MindSpore的训练中,往往会限制用户对所得到的输出进行一些复杂的后处理,往往会陷入图模式的限制(事实上为了得到更好的训练性能,图模式的选择是必须的),这就导致了框架使用的易用性和用户想得到的高性能从本质上产生了冲突。在本篇博客原创 2022-10-21 13:38:24 · 693 阅读 · 0 评论 -
【MindSpore易点通机器人-06】基于相似度模型实现问答匹配及推荐功能
至此,我们基于预训练模型,通过相似度对比,快速实现了对于易点通机器人QA以及简单推荐功能的支持。那么下一步就要把这个功能封装成一个REST API,在云上部署起来,提供给IDE或者其它客户端使用。原创 2022-10-09 09:16:22 · 3870 阅读 · 0 评论 -
【MindSpore易点通机器人-05】问答数据预处理及编码
在上一篇,我们为大家讲述迭代0中具体的MLOps 环境搭建过程,本篇为大家介绍。易点通机器人处理的目标数据范围包括MindSpore官网的FAQ文档、官网其它文档、论坛等问答数据,在机器人开发的第一个迭代中,我们把数据的范围限制的官网的QA数据。我们通过自动化脚本将官网的QA文档转换为期望的数据格式,然后通过Bert模型对所有的问题进行分词编码,作为后续相似度模型判别的数据。原创 2022-09-19 09:30:47 · 381 阅读 · 0 评论 -
【MindSpore易点通】一站式指南
目录MindSpore易点通专栏是MindSpore易用性SIG打造的技术交流专区,用于收录MindSpore开发者的各种学习和实践经验总结。在此,我们整理了部分文章的合集,为大家提供一份一站式学习资料。原创 2022-09-13 11:06:55 · 708 阅读 · 0 评论 -
【MindSpore易点通·漫游世界】在WSL的Ubuntu 22.04上一键安装MindSpore GPU 1.7.0踩坑记
它居然要重新下载cuda的安装盘。再重新执行:PYTHON_VERSION=3.9 CUDA_VERSION=11.1 MINDSPORE_VERSION=1.7.0 bash -i ./ubuntu-gpu-pip.sh。再重新执行:PYTHON_VERSION=3.9 CUDA_VERSION=11.1 MINDSPORE_VERSION=1.7.0 bash -i ./ubuntu-gpu-pip.sh。看来只有魔改shell了,将ubuntu-gpu-pip.sh中的gcc-7改为gcc-9。原创 2022-09-05 14:39:48 · 297 阅读 · 0 评论 -
探索神经网络三维魔方|MindSpore训练和端侧部署TinyNet
来自华为诺亚方舟实验室、北京邮电大学以及香港科技大学的研究者们提出了一个新的轻量模型范式TinyNet。相比于EfficientNet的复合放缩范式(compound scaling),通过TinyNet范式得到的模型在ImageNet上的精度要优于相似计算量(FLOPs)的EfficientNet模型。例如, TinyNet-A的Top1准确率为76.8% ,约为339M FLOPs,而EfficientNet-B0类似性能需要约387M FLOPs。...原创 2022-10-09 09:16:57 · 541 阅读 · 0 评论 -
MindSpore,易用性提升的思考与实践
在使用开源软件的过程中,大家可能或多或少都遇到过一些问题,比如安装过程复杂、找不到案例、缺少示例、问题定位难等,我把这些问题称之为开源软件的“摩擦力”。一个成功的开源软件,想要赢得开发者的青睐,代码/核心能力的开放实际上只是冰山一角,如何构建开发者体验,持续提升软件易用性,从而消除开源软件的“摩擦力”,也是我们需要思考的工作。MindSpore是华为公司2020年3月开源的全场景AI计算框架,源于全产业的最佳实践,旨在实现易开发、高效执行、全场景覆盖三大目标。...原创 2022-08-29 11:04:29 · 2286 阅读 · 0 评论 -
【MindSpore易点通机器人-04】MLOps 环境搭建过程
本篇文章总结了如何在本地完成MLOps环境的搭建,基于Minikube、Argo等工具可以让我们很好的在本地展开开发验证工作,不用依赖复杂的基础设施,也不用有额外的开销。在配置文件中和脚本中,我们没有加真实的实现,是为了先打通流程,然后再将调试好内容逐步补充进去,始终都可以从端到端的角度来完成验证。原创 2022-08-23 09:25:53 · 547 阅读 · 0 评论 -
【MindSpore易点通机器人-03】迭代0的准备工作
迭代0主要看重端到端流程的打通,以保证后续功能的持续交付。迭代0的准备工作完成后,我们就可以开始下一步的训练数据准备工作了。原创 2022-08-18 10:26:34 · 164 阅读 · 0 评论 -
【MindSpore易点通机器人-02】设计与技术选型
该篇文章主要介绍了设计的4类主要视图:逻辑视图、开发视图、部署视图、运行视图。完成初步设计后,我们接下来就可以参考《03-迭代0:机器学习项目开始前要做哪些准备工作?》开始迭代0。...原创 2022-08-08 09:35:26 · 716 阅读 · 0 评论 -
【MindSpore易点通机器人-01】你也许见过很多知识问答机器人,但这个有点不一样
2022年3月,成立后,很快吸引了不少开发者加入SIG群中进行交流。作为和开发者进行连接的桥梁,易用性SIG的目标是。通过易用性SIG,我们不仅倾听开发者的声音,为开发者提供帮助,也希望能和开发者一起围绕“”这个主题,打造一些有趣的开源项目。...原创 2022-08-04 16:14:13 · 687 阅读 · 0 评论 -
如何高效安装MindSpore的GPU版本
当前MindSpore的Master分支中,除了GPU版本的自动化安装,针对昇腾和CPU等的版本,也提供了自动化脚本和简化安装的指南,相信这些脚本和指南可以持续提升MindSpore在多平台下的安装体验。原创 2022-07-20 14:51:03 · 839 阅读 · 0 评论 -
一小时上手MindSpore
本文通过一个手写数字识别的例子,探索了快速上手MindSpore的过程,完整代码请参考这里。什么是MindSpore?1) 下载安装miniconda2)基于conda创建环境,并安装MindSpore。具体可参考官网安装指南2. 问题描述与思路:深度学习可以很好的解决图片分类问题。本文使用MindSpore,基于Lenet-5神经网络完成手写数字识别的任务。期望效果:输入一张含手写数字的图像,由程序识别图像中的手写数字。整体的实现思路如下所示:3. 数据处理3.1 下载MNIST数据集下载后的原创 2022-07-05 16:55:19 · 731 阅读 · 0 评论