- 博客(9)
- 收藏
- 关注
RSS订阅原创 昇思MindSpore 25天学习打卡营|day9
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，网络所有曾均为卷积层，故称为全卷积网络。全卷积神经网络主要使用以下三种技术：1.卷积化（Convolutional）使用VGG-16作为FCN的backbone（基础）。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。
2024-07-02 19:40:56
769
原创 昇思MindSpore 25天学习打卡营|day8
在进行超参数调整和模型训练后，我们要进行模型的保存。在模型的训练过程中，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，
2024-06-29 14:29:05
222
原创 昇思MindSpore 25天学习打卡营|day7
从 06-网络构建中 加载代码，构建一个神经网络模型nn.ReLU(),nn.ReLU(),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：公式中，𝑛是批量大小（batch size），η是学习率（learning rate）。训练轮次（epoch）：训练时遍历数据集的次数。批次大小（batch size）
2024-06-28 14:38:05
655
原创 昇思MindSpore 25天学习打卡营|day6
自动微分技术在深度学习库中处于重要地位,是整个训练算法的核心组件之一，自动微分主要解决的问题是将一个复杂的数学运算分解为一系列简单的基本运算，该功能对用户屏蔽了大量的求导细节和过程，大大降低了框架的使用门槛。神经网络的训练主要使用反向传播算法，模型预测值（logits）与正确标签（label）送入损失函数（loss function）获得loss，然后进行方向传播计算，求得梯度（gradients），最终更新至模型参数（parameters）。
2024-06-27 17:57:47
898
原创 昇思MindSpore 25天学习打卡营|day5
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。
2024-06-26 23:04:11
648
原创 昇思MindSpore 25天学习打卡营|day4
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。# 初始化一个Flatten层，用于将多维输入数据展平为一维。# 初始化一个SequentialCell，它按顺序执行多个神经网络层。# 第一个全连接层，输入大小为28*28，输出大小为512，权重初始化为正态分布，偏置初始化为0。nn.ReLU(),
2024-06-24 22:08:22
871
原创 昇思MindSpore 25天学习打卡营|day3
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。
2024-06-23 19:41:14
838
原创 昇思MindSpore 25天学习打卡营|day2
张量（Tensor）是数学中用于描述多维空间中线性关系的抽象概念，它能够捕捉标量、向量以及更复杂结构之间的相互作用。张量本质上是一种多线性函数，它在诸如内积、外积、线性变换和笛卡儿积等操作中扮演基础角色。在具体应用中，张量可以被视为一个具有特定秩（或称为阶）的实体，这个秩定义了张量在多维空间中的展开方式，其中每个维度可以有若干分量，这些分量随着坐标系的变化而遵循特定的线性变换规则。在计算机科学和人工智能领域，张量被用作一种高效的数据结构，它与数组和矩阵有着密切的联系，但提供了更为广泛的维度和操作。
2024-06-22 17:05:32
937
原创 昇思MindSpore 25天学习打卡营|day1
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。
2024-06-20 19:46:28
831
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