- 博客(6)
- 收藏
- 关注
RSS订阅原创 昇思25天学习打卡营第6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。construct意为神经网络（计算图）构建，相关内容详见使用静态图加速。[2]:nn.ReLU(),nn.ReLU(),构建完成后，实例化Network对象，并查看其结构。
2024-06-28 23:32:15
1008
原创 昇思25天学习打卡营第5天|数据变换Transformer
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。MindSpore提供不同种类的数据变换（Transforms），配合数据处理Pipeline来实现数据预处理。所有的Transforms均可通过map方法传入，实现对指定数据列的处理。提供了面向图像、文本、音频等不同数据类型的Transforms，同时也支持使用Lambda函数。下面分别对其进行介绍。
2024-06-28 21:57:36
952
原创 昇思25天学习打卡营第4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，下面分别对其进行介绍。
2024-06-28 12:04:46
594
原创 昇思25天学习打卡营第3天|张量Tensor
在MindSpore中，张量是网络运算的基本数据结构，支持丰富的创建和操作方式，包括从NumPy数组生成、初始化器初始化，以及稀疏张量的表示和操作。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。张量之间有很多运算，包括算术、线性代数、矩阵处理（转置、标引、切片）、采样等，张量运算和NumPy的使用方式类似，下面介绍其中几种操作。表示非零元素的值，shape表示的是被压缩的稀疏张量的形状。
2024-06-24 19:48:43
750
原创 昇思25天学习打卡营第2天|快速入门
快速入门深度学习模型的构建和训练，可以通过MindSpore的API轻松实现。以下是我的一些感悟：在本节中，我们通过MindSpore的高效数据处理流水线和灵活的网络构建机制，快速完成了一个简单的深度学习模型。从数据下载、预处理，到模型构建、训练和测试，每一步都有详细的示例代码，方便新手快速上手。通过这次实践，我深刻体会到数据预处理的重要性。使用MindSpore的dataset和transforms模块，我们能够轻松地对MNIST数据集进行处理，提高了数据处理的效率，为后续的模型训练打下了坚实的基础。
2024-06-20 22:40:31
622
原创 昇思25天学习打卡营第1天|基本介绍
本节将会整体介绍昇思MindSpore和华为昇腾AI全栈，并介绍昇思MindSpore在华为昇腾AI全栈中的位置。对昇思MindSpore感兴趣的开发者，最后可以参与昇思MindSpore的社区并一键三连。昇思MindSpore是一个全场景深度学习框架，旨在实现易开发、高效执行、全场景统一部署三大目标。其中，易开发表现为API友好、调试难度低；高效执行包括计算效率、数据预处理效率和分布式训练效率；全场景则指框架同时支持云、边缘以及端侧场景。ModelZoo（模型库）
2024-06-19 12:57:11
523
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人