![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
昇思学习
文章平均质量分 94
weixin_42147595
这个作者很懒,什么都没留下…
展开
-
昇思Mindspore学习25天打卡Day16:热门LLM及其他AI应用|基于MindeNLP+MusicGen生成自己的个性化音乐
MusicGen是来自Meta Al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,相关研密成果参考论文MusicGen直接使用谷歌的t5-base及其权重作为文本编阳器模型,并使用Encodec 32KH2及其汉重作为音频压缩模型,MuscGen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。MusicGen模型的新颖之处在于音顿代码的预测方式。原创 2024-07-03 22:37:19 · 948 阅读 · 0 评论 -
昇思学习25天打卡Day9:使用静态图加速
AJ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。原创 2024-06-27 19:35:43 · 704 阅读 · 0 评论 -
昇思25天学习打卡Day4:数据变换Transforms
通常情况下,原始数据不能直接进入神经网络进行训练,需要对其进行数据预处理。MindSport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。mindspore.dataset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。下面分别进行介绍。原创 2024-06-22 10:59:46 · 962 阅读 · 0 评论