- 博客(56)
- 资源 (12)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 昇思25天学习打卡营第24天|FCN图像语义分割
FCN主要用于图像分割领域，是一种端到端的分割方法，是深度学习应用在图像语义分割的开山之作。通过进行像素级的预测直接得出与原图大小相等的label map。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。卷积化（Convolutional）使用VGG-16作为FCN的backbone。VGG-16的输入为224*224的RGB图像，输出为1000个预测值。VGG-16只能接受固定大小的输入，丢弃了空间坐标，产生非空间输出。
2024-07-18 13:34:20
993
原创 昇思25天学习打卡营第23天|RNN实现情感分类
输入: This film is terrible正确标签: Negative预测标签: Negative输入: This film is great正确标签: Positive预测标签: Positive最后我们设计一个预测函数，实现开头描述的效果，输入一句评价，获得评价的情感分类。将输入句子进行分词；使用词表获取对应的index id序列；index id序列转为Tensor；送入模型获得预测结果；打印输出预测结果。。
2024-07-17 23:47:00
813
原创 昇思25天学习打卡营第22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进行标注标签的过程。序列标注问题通常用于从文本中进行信息抽取，包括分词(Word Segmentation)、词性标注(Position Tagging)、命名实体识别(Named Entity Recognition, NER)等。输入序列清华大学座落于首都北京输出标注BIIIOOOOOBI如上表所示，清华大学和北京是地名，需要将其识别，我们对每个输入的单词预测其标签，最后根据标签来识别实体。
2024-07-16 23:42:12
816
原创 昇思25天学习打卡营第21天|Pix2Pix实现图像转换
Pix2Pix是基于条件生成对抗网络（cGAN, Condition Generative Adversarial Networks ）实现的一种深度学习图像转换模型，该模型是由Phillip Isola等作者在2017年CVPR上提出的，可以实现语义/标签到真实图片、灰度图到彩色图、航空图到地图、白天到黑夜、线稿图到实物图的转换。生成器和判别器。传统上，尽管此类任务的目标都是相同的从像素预测像素，但每项都是用单独的专用机器来处理的。
2024-07-15 18:12:14
716
原创 昇思25天学习打卡营第20天|GAN图像生成
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。
2024-07-15 16:45:21
894
原创 昇思25天学习打卡营第19天|Diffusion扩散模型
如果将Diffusion与其他生成模型（如Normalizing Flows、GAN或VAE）进行比较，它并没有那么复杂，它们都将噪声从一些简单分布转换为数据样本，Diffusion也是从纯噪声开始通过一个神经网络学习逐步去噪，最终得到一个实际图像。Diffusion对于图像的处理包括以下两个过程：我们选择的固定（或预定义）正向扩散过程 𝑞 ：它逐渐将高斯噪声添加到图像中，直到最终得到纯噪声一个学习的反向去噪的扩散过程：通过训练神经网络从纯噪声开始逐渐对图像去噪，直到最终得到一个实际的图像。
2024-07-14 12:55:30
1107
原创 昇思25天学习打卡营第17天|CycleGAN图像风格迁移互换
CycleGAN(Cycle Generative Adversarial Network) 即循环对抗生成网络，来自论文。该模型实现了一种在没有配对示例的情况下学习将图像从源域 X 转换到目标域 Y 的方法。该模型一个重要应用领域是域迁移(Domain Adaptation)，可以通俗地理解为图像风格迁移。
2024-07-12 13:55:45
545
原创 昇思25天学习打卡营第16天|基于MobileNetv2的垃圾分类函数式自动微分
MobileNet网络是由Google团队于2017年提出的专注于移动端、嵌入式或IoT设备的轻量级CNN网络，相比于传统的卷积神经网络，MobileNet网络使用深度可分离卷积（Depthwise Separable Convolution）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。
2024-07-11 19:43:12
446
原创 昇思25天学习打卡营第15天|基于MindSpore的红酒分类实验
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。
2024-07-10 13:36:27
643
原创 昇思25天学习打卡营第14天|基于MindNLP+MusicGen生成自己的个性化音乐
打卡第14天。中间间隔了一天，本次学习的内容为热门LLM及其他AI应用中的基于MindNLP+MusicGen生成自己的个性化音乐。记录学习的过程。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《MusicGen直接使用谷歌的及其权重作为文本编码器模型，并使用及其权重作为音频压缩模型。MusicGen解码器是一个语言模型架构，针对音乐生成任务从零开始进行训练。
2024-07-09 18:39:06
363
原创 昇思25天学习打卡营第13天|基于MindSpore通过GPT实现情感分类
打开第13天。本次学习的内容为LLM原理和实践中基于MindSpore通过GPT实现情感分类的内容。记录学习的过程。根据实验系统中的内容一步一步学习基于MindSpore通过GPT实现情感分类的整个过程。
2024-07-07 19:34:12
319
原创 昇思25天学习打卡营第12天|基于MindSpore的GPT2文本摘要
打开第11天，前几天打卡完成了入门的学习，后续有时间对入门的内容，再次整理一下。本次学习的内容为基于MindSpore的GPT2文本摘要。记录学习的过程。记录实验系统中的步骤，对一些内容进行记录和归纳。
2024-07-06 23:42:13
214
原创 昇思25天学习打卡营第11天|基于 MindSpore 实现 BERT 对话情绪识别
BERT全称是来自变换器的双向编码器表征量（Bidirectional Encoder Representations from Transformers），它是Google于2018年末开发并发布的一种新型语言模型。与BERT模型相似的预训练语言模型例如问答、命名实体识别、自然语言推理、文本分类等在许多自然语言处理任务中发挥着重要作用。模型是基于Transformer中的Encoder并加上双向的结构，因此一定要熟练掌握Transformer的Encoder的结构。
2024-07-06 00:15:47
362
原创 昇思25天学习打卡营第10天|使用静态图加速
AI编译框架分为两种运行模式，分别是动态图模式以及静态图模式。MindSpore默认情况下是以动态图模式运行，但也支持手工切换为静态图模式。
2024-07-04 22:39:59
751
原创 昇思25天学习打卡营第09天|保存与加载
打开第九天，本次学习的内容为保存与加载，记录学习的过程。本次的内容少而且简单。在训练网络模型的过程中，实际上我们希望保存中间和最后的结果，用于微调（fine-tune）和后续的模型推理与部署，因此学习如何保存与加载模型。
2024-07-03 23:35:15
187
原创 昇思25天学习打卡营第08天|模型训练
从网络构建中加载代码，构建一个神经网络模型。超参（Hyperparameters）是可以调整的参数，可以控制模型训练优化的过程，不同的超参数值可能会影响模型训练和收敛速度。目前深度学习模型多采用批量随机梯度下降算法进行优化，随机梯度下降算法的原理如下：∇𝑙(x,)公式中，𝑛是批量大小（batch size），η是学习率（learning rate）。另外，为训练轮次𝑡中的权重参数，∇𝑙为损失函数的导数。
2024-07-01 21:43:09
457
原创 昇思25天学习打卡营第06天|网络构建
当我们定义神经网络时，可以继承nn.Cell类，在__init__方法中进行子Cell的实例化和状态管理，在construct方法中实现Tensor操作。
2024-06-30 08:20:10
426
原创 昇思25天学习打卡营第04天|数据集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，然后通过接口实现自定义方式的数据集加载。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。可随机访问数据集：可随机访问数据集是实现了和__len__方法的数据集，表示可以通过索引/键直接访问对应位置的数据样本。可迭代数据集：可迭代的数据集是实现了__iter__和__next__
2024-06-27 23:40:33
368
原创 昇思25天学习打卡营第03天|张量Tensor
打卡第三天，学习张量Tensor，记录一点笔记。张量的概念：张量（Tensor）是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数，这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在n维空间内，有个分量的一种量，其中每个分量都是坐标的函数，而在坐标变换时，这些分量也依照某些规则作线性变换。r称为该张量的秩或阶（与矩阵的秩和阶均无关系）。张量是一种特殊的数据结构，与数组和矩阵非常相似。
2024-06-27 00:14:33
915
原创 《昇思25天学习打卡营第02天|快速入门》
其中MindSpore的dataset使用数据处理流水线（Data Processing Pipeline），需指定map、batch、shuffle等操作。这里我们使用map对图像数据及标签进行变换处理，然后将处理好的数据集打包为大小为64的batch。mindspore.nn类是构建所有网络的基类，也是网络的基本单元。__init__包含所有网络层的定义，construct中包含数据的变换过程。打开第二天，快速入门，主要目的是根据教程快速入门，对整个的模型开发过程有个一个快速的了解。
2024-06-25 23:45:36
235
原创 大小端问题整理
1.什么是大端和小端大端模式（Big-Endian）：是指数据的高字节保存在内存的低地址中，而数据的低字节保存在内存的高地址中。小端模式（Little-Endia）：是指数据的高字节保存在内存的高地址中，而数据的低字节保存在内存的低地址中。例子：如果32bit的数据0x12345678，从内存地址0x08004000开始存放： 地址 小端存放内容 大端存放内容 0x08004003 0x12
2021-08-04 23:08:05
250
1
原创 数据结构学习笔记----排序
排序，就是要整理表中的元素，使之按关键字递增（或递减）有序排列。如果待排序的表中，存在有多个关键字相同的元素，经过排序后这些具有相同关键字的元素之间的相对次序保持不变，则称这种排序算法是稳定的。在排序过程中，若整个表都是放在内存中处理，排序时不涉及数据的内、外存交换，则称之为内排序；反之，若排序过程中要进行数据的内、外存交换，则称之为外排序。数据结构
2015-04-27 22:01:40
516
原创 数据学习---数据结构1
学习数据结构，对数据结构的一些总结和相关东西的记录。数据是指能输入到计算机中并能被计算机程序处理的符号的总称。数据元素是数据的基本单位，作为一个整体进行处理。数据项是构成数据元素不可分割的最小单位。数据--------------------------------------------------------数据对象是具有相同性质的数据元素的集合，它是数
2015-04-06 22:04:09
595
转载 MySQL各版本介绍
一、版本说明：MYSQL自从被ORCLE收购后，软件的版本也ORACLE化，整体的感觉就是服务的费用提高了很多，整体的软件的Supports也有相应的提高；MYSQL根据软件的功能可以分成三个版本：社区版、企业版、集群版。社区版：1、 社区版是企业版的测试版，免费的，包含所有Mysql的最新功能，社区版的功能比企业版的多；2、官方的支持服务只针对企业版，用户在使用社区版
2015-02-26 16:18:29
604
转载 代码面试最常用的10大算法
摘要：面试也是一门学问，在面试之前做好充分的准备则是成功的必须条件，而程序员在代码面试时，常会遇到编写算法的相关问题，比如排序、二叉树遍历等等。在程序员的职业生涯中，算法亦算是一门基础课程，尤其是在面试的时候，很多公司都会让程序员编写一些算法实例，例如快速排序、二叉树查找等等。本文总结了程序员在代码面试中最常遇到的10大算法类型，想要真正了解这些算法的原理，还需程序员们花些功夫
2014-04-11 11:23:43
446
转载 什么是 “动态规划” ， 用两个经典问题举例。
转载csdn中易水寒的博文。1.什么是动态规划？看了很多题解，一般解决者开始就说用DP来解，然后写了嵌套的for循环，不是很容易看懂，但是确实解出来了，我们这次来看下到底什么是动态规划？它有什么特点呢？容我抄一段话:动态规划（Dynamic programming，DP)，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。通常许多子问题非常相似
2014-03-16 11:57:08
511
转载 Google Java编程风格指南中文版
作者：Hawstein出处：http://hawstein.com/posts/google-java-style.html声明：本文采用以下协议进行授权： 自由转载-非商用-非衍生-保持署名|Creative Commons BY-NC-ND 3.0 ，转载请注明作者及出处。目录前言源文件基础源文件结构格式命名约定编程实践Javadoc后记前言这份
2014-02-14 16:30:01
608
转载 finally的相关认识
可不能小看这个简单的 finally，看似简单的问题背后，却隐藏了无数的玄机。接下来我就带您一步一步的揭开这个 finally 的神秘面纱。****************************************************************************** a finally clause is always entered with a r
2014-02-13 17:48:02
511
转载 Java反射教程
本文由 ImportNew - 薄荷脑 翻译自 Programcreek。如需转载本文，请先参见文章末尾处的转载要求。ImportNew注：如果你也对Java技术翻译分享感兴趣，欢迎加入我们的 Java开发 小组。参与方式请查看小组简介。什么是反射？反射有什么用处？1. 什么是反射？“反射（Reflection）能够让运行于JVM中的程序检测和修改运行时的行为。
2014-02-03 15:12:46
468
转载 Java中的equals()和hashCode()契约
ImportNew注：如果你也对Java技术翻译分享感兴趣，欢迎加入我们的 Java开发 小组。参与方式请查看小组简介。java.lang.Object类中有两个非常重要的方法：12publicboolean equals(Object obj)publicint hashCode()
2014-01-18 14:19:01
468
转载 我们能从java的HelloWorld学到什么？
本文转载自http://www.gbtags.com/gb/share/2684.htm，大家多多支持！这是每个Java程序员都知道的。虽然简单，但是从一个简单的问题可以引入更深的思考。在这篇文章中，我们将讨论这个简单的程序。如果能更多的帮到你，请留下宝贵的意见。HelloWorld.javapublic class HelloWorld { /** * @param arg
2014-01-11 00:30:57
462
转载 十步完全理解SQL
本文由 伯乐在线 - 水果泡腾片 翻译自 Lukas Eder 。欢迎加入技术翻译小组。转载请参见文章末尾处的要求。很多程序员视 SQL 为洪水猛兽。SQL 是一种为数不多的声明性语言，它的运行方式完全不同于我们所熟知的命令行语言、面向对象的程序语言、甚至是函数语言（尽管有些人认为 SQL 语言也是一种函数式语言）。我们每天都在写 SQL 并且应用在开源软件 jOOQ 中。
2014-01-11 00:21:57
472
c语言中一个数组输出的问题
2015-04-13
TA创建的收藏夹 TA关注的收藏夹
TA关注的人