- 博客(113)
- 收藏
- 关注
RSS订阅原创 昇思25天学习打卡营第25天|函数式自动微分
函数式自动微分在PyTorch、TensorFlow和MindSpore这三个深度学习框架对比，基于MindSpore实现函数自动求导，自动微分
2024-07-18 11:39:03
702
原创 昇思25天学习打卡营第24天|基于MindSpore的Diffusion扩散模型
基于MindSpore实现Diffusion扩散模型，基于denoising diffusion probabilistic model （DDPM）。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。
2024-07-16 14:50:36
566
原创 昇思25天学习打卡营第23天|基于MindSpore的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。基于MindSpore实现Pix2Pix。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。包括两个模型：生成器和判别器。
2024-07-16 13:13:06
952
原创 昇思25天学习打卡营第22天|基于MindSpore的GAN图像生成
基于MindSpore实现GAN，生成式对抗网络(Generative Adversarial Networks，GAN)是一种生成式机器学习模型，生成器，判别器。
2024-07-15 15:39:08
562
原创 昇思25天学习打卡营第21天|基于MindSpore的DCGAN生成漫画头像
生成对抗网络（GAN）的基础原理是通过两个互相博弈的模型，生成模型和判别模型，来实现对数据分布的学习并产生新的、与真实数据极其相似的数据实例。DCGAN（深度卷积生成对抗网络）是一种利用深度卷积网络改进的生成对抗网络（GAN）模型，它在提高训练稳定性和生成图像质量方面取得了显著成果。
2024-07-14 23:02:04
975
原创 昇思25天学习打卡营第20天|基于MindSpore的GPT2文本摘要
GPT-2（Generative Pre-trained Transformer 2）是OpenAI开发的一种基于Transformer架构的预训练语言模型。它是继GPT-1之后的升级版本，通过更大的数据集和更复杂的模型架构，进一步提升了自然语言处理任务的性能。
2024-07-13 09:43:38
368
原创 昇思25天学习打卡营第19天|CycleGAN图像风格迁移互换
CycleGAN（循环生成对抗网络）是一种深度学习模型，用于将一种图像风格迁移到另一种图像风格。在MindSpore中，可以使用预训练的CycleGAN模型进行图像风格迁移。
2024-07-12 12:24:05
1037
原创 昇思25天学习打卡营第18天|MindNLP ChatGLM-6B StreamChat
MindNLP ChatGLM-6B StreamChat是基于MindNLP框架和ChatGLM-6B模型实现的聊天应用，利用自然语言处理技术，实现与用户的自然语言交流。这样的应用可以广泛应用于智能客服、在线助理和社交聊天等场景
2024-07-11 19:07:57
864
原创 昇思25天学习打卡营第17天|基于 MindSpore 实现 BERT 对话情绪识别
BERT（Bidirectional Encoder Representations from Transformers）是一种基于Transformer架构的预训练语言模型，由谷歌在2018年提出.对话情绪识别是一种先进的人工智能技术，它通过自然语言处理和深度学习技术来分析对话中的情绪状态
2024-07-11 08:52:35
892
原创 昇思25天学习打卡营第16天|基于MindSpore的LSTM+CRF序列标注
基于MindSpore实现LSTM+CRF，条件随机场，Normalize计算，Viterbi算法，BiLSTM
2024-07-09 09:56:38
540
原创 昇思25天学习打卡营第15天|基于MindSpore的RNN实现情感分类
基于MindSpore实现RNN神经网络模型的情感分类，基于IMDB数据集数据集，IMDB数据集是自然语言处理（NLP）和机器学习领域中的一个重要资源，主要用于电影评论的情感分析。
2024-07-08 23:07:15
809
原创 昇思25天学习打卡营第14天|基于MindNLP的文本解码原理
基于MindSpore,MindNPL实现自回归模型，贪婪搜索，Bean搜索，文本解码是自然语言处理中的一个关键任务，特别是在机器翻译、文本生成等领域。自回归模型是文本解码中常用的一种方法
2024-07-07 21:55:36
1537
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
基于MindSpore实现情感分类，GPT是一种先进的深度学习模型，基于Transformer架构
2024-07-06 10:30:43
519
原创 昇思25天学习打卡营第12天|MindSpore-基于MobileNetv2的垃圾分类
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。
2024-07-05 13:39:44
880
原创 昇思25天学习打卡营第11天|MindSpore-基于MindNLP+MusicGen生成自己的个性化音乐
MusicGen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，支持无提示、文本、音频生成音乐。
2024-07-04 15:44:38
1287
原创 昇思25天学习打卡营第10天|MindSpore-K近邻算法实现红酒聚类
基于MindSpore训练KNN模型，KNN原理，距离度量，Wine数据集
2024-07-03 08:49:47
814
原创 昇思25天学习打卡营第9天|MindSpore-Vision Transformer图像分类
基于自注意（Self-Attention）结构的模型，Transformer模型，由于Transformers的计算效率和可扩展性，它已经能够训练具有超过100B参数的空前规模的模型。ViT则是自然语言处理和计算机视觉两个领域的融合结晶。在不依赖卷积操作的情况下，依然可以在图像分类任务上达到很好的效果。
2024-07-02 23:58:48
1189
原创 昇思25天学习打卡营第8天|MindSpore-SSD目标检测
SSD（Single Shot MultiBox Detector）是一种高效的目标检测算法，它能够在一次前向传播中同时完成候选区域的提取和目标的分类与定位。模型结构说明，数据准备，损失函数
2024-07-01 17:09:13
578
原创 昇思25天学习打卡营第7天|MindSpore-ShuffleNet图像分类
基于MindSpore的ShuffleNet实践，ShuffleNetV1是一种高效的CNN模型，主要应用于移动端。其设计目标是在有限的计算资源下实现最佳精度。ShuffleNetV1引入了两种操作：Pointwise Group Convolution和Channel Shuffle，从而降低了模型的计算量。与MobileNet类似，ShuffleNetV1通过优化网络结构实现了模型的压缩和加速。
2024-06-30 13:08:10
1195
原创 昇思25天学习打卡营第6天|MindSpore-ResNet50迁移学习
基于MindSpore-ResNet50模型进行迁移学习，实现狼狗与狗的分类预测。熟悉迁移学习方式，参数冻结微调，预训练模型使用
2024-06-30 00:52:15
469
原创 昇思25天学习打卡营第5天|MindSpore-ResNet50图像分类
基于MindSpore实践ResNet50计算网络，预训练模型，超参数定义，
2024-06-28 23:35:30
909
原创 昇思25天学习打卡营第2天|MindSpore快速入门-张量
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。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。
2024-06-26 07:33:52
825
原创 昇思25天学习打卡营第1天|MindSpore快速入门
今天是参加华为MindSpore昇思25天学习打卡营的第一天，通过博客记录一下自己的学习路程。
2024-06-24 17:10:24
306
原创 【可视化大屏开发】19. 加餐-百度地图API实现导航加线路热力图
Web端使用场景中会涉及到地图导航路线情况，并利用热力图显示路况信息。实现效果如下：输入起始地点，选择并开始导航最终效果。
2024-04-17 16:47:52
1279
原创 HTML+CSS页面布局方法介绍
HTML和CSS是构建网页的两个核心技术。HTML负责网页的结构和内容，而CSS负责网页的布局和样式。以下是一些常用的HTML和CSS布局方法，以及相应的经典布局示例。
2024-04-17 16:01:10
648
原创 javaScripte中 函数与接口的异同点及使用场景
在JavaScript中，函数和接口的概念与Java或其他静态类型语言有所不同。在JavaScript中，。以下是它们的相同点、差异以及使用场景的区别：function总结来说，函数和接口在JavaScript和TypeScript中都是重要的构建块，但它们用于不同的目的。函数用于执行代码，而接口用于定义对象的形状和行为。在JavaScript中，你主要与函数打交道，而在TypeScript中，你可以使用接口来增强类型安全和代码的可维护性。
2024-04-12 12:07:04
354
原创 Javascrip变量定义使用技巧
在JavaScript中，varconst和let都是用来声明变量的关键字，但它们之间存在一些重要的相同点和差异点。现代的JavaScript开发中，推荐优先使用const和let，并尽量避免使用var，以编写更可靠、更易于维护的代码。
2024-04-10 08:58:59
348
原创 【可视化大屏开发】17. 加餐-ECharts定制省份地图
html+css+javascript+echarts+springboot, 定制中国省份地图，echarts最新版本
2024-04-10 08:55:45
487
原创 基于Scala开发Spark ML的ALS推荐模型实战
ALS算法是Spark ML中实现协同过滤的矩阵分解方法。ALS，即交替最小二乘法（Alternating Least Squares），是协同过滤技术中的一种经典算法。它通过对用户和物品的潜在特征进行建模，来预测用户对未知物品的评分或偏好。矩阵分解模型：在推荐系统中，我们通常有一个用户-物品的评分矩阵，其中行表示用户，列表示物品，矩阵中的值代表用户对物品的评分。然而，这个矩阵通常是非常稀疏的，因为用户只给少数物品评分。ALS算法就是在这样的不完整评分矩阵上操作，通过矩阵分解来补全缺失值，进而产生推荐。
2024-04-02 20:29:34
1185
1原创 2023_Spark_实验三十三：配置Standalone模式Spark3.4.2集群
基于Centos7，部署Spark3.4.2组件，实现Standalone模式集群部署。并通过自带的样例代码pi计算验证集群是否ok。
2023-12-25 13:05:01
1280
原创 2023_Spark_实验三十二：消费Kafka数据并保存到MySQL中
使用shell模拟实时数据，flume采集实时数据到kafka中，通过scala开发spark代码实现消费kafka数据存储到MySQL中
2023-12-20 22:24:17
1692
原创 2023_Spark_实验三十：测试Flume到Kafka
flume监控指定文件，shell+crontab模拟实时数据，kafka存储flume生产者的数据，使用kafkatools查看kafka主题
2023-12-19 13:47:17
1897
原创 2023_Spark_实验二十九：Flume配置KafkaSink
flume1.9.0 配置source为exec读取shell脚本模拟产生的实时数据，配置Sink为kafkaSink，配置channel为memoryChannel
2023-12-18 16:18:10
2195
zotero+zotero-better-bibtex插件分享
2024-03-27
可视化大屏项目动态数据样例
2023-07-02
17. 可视化大屏配置之代码整理
2023-07-02
MySQL练习数据-Sakilia-spatial DB
2022-09-15
Hadoop集群部署相关资源
2022-09-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人