![](https://img-blog.csdnimg.cn/20190927151101105.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
MindSpore
文章平均质量分 94
AI框架 MindSpore
不雨_亦潇潇
流水不腐,户枢不蠹
展开
-
昇思25天学习打卡营第10天|K近邻算法实现红酒聚类
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。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。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。距离度量。原创 2024-07-04 15:40:13 · 844 阅读 · 0 评论 -
昇思25天学习打卡营第9天|使用静态图加速
相较于动态图而言,静态图的特点是将计算图的构建和实际计算分开(Define and run)。有关静态图模式的运行原理,可以参考静态图语法支持。在MindSpore中,静态图模式又被称为Graph模式,在Graph模式下,基于图优化、计算图整图下沉等技术,编译器可以针对图进行全局的优化,获得较好的性能,因此比较适合网络固定且需要高性能的场景。原创 2024-07-03 23:37:54 · 970 阅读 · 0 评论 -
昇思25天学习打卡营第8天|保存与加载
上一章节主要介绍了如何调整超参数,并进行网络模型训练。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,本章节我们将介绍如何保存与加载模型。原创 2024-07-02 17:09:39 · 411 阅读 · 0 评论 -
昇思25天学习打卡营第7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。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)。另外, 𝑤𝑡 为训练轮次 𝑡 中的权重参数, ∇𝑙 为损失函数的导数。原创 2024-07-01 17:45:06 · 698 阅读 · 0 评论 -
昇思25天学习打卡营第6天|函数式自动微分
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,然后进行反向传播计算,求得梯度(gradients),最终更新至模型参数(parameters)。自动微分能够计算可导函数在某点处的导数值,是反向传播算法的一般化。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。MindSpore使用函数式自动微分的设计理念,提供更接近于原创 2024-06-30 16:20:48 · 612 阅读 · 0 评论 -
昇思25天学习打卡营第5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。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。动态图的特点是计算图的构建和计算同时发生(Define by run)原创 2024-06-29 17:05:18 · 1124 阅读 · 0 评论 -
昇思25天学习打卡营第4天|数据变换Transforms
第1天初步学习了MindSpore的基本操作。第2天初步学习了张量Tensor。第3天初步学习了数据集Dataset。第4天学习 初学入门 / 初学教程 / 05-数据变换 Transforms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。原创 2024-06-28 17:15:22 · 899 阅读 · 0 评论 -
昇思25天学习打卡营第3天|数据集Dataset
数据是深度学习的基础,高质量的数据输入将在整个深度神经网络中起到积极作用。MindSpore提供基于Pipeline的数据引擎,通过数据集(Dataset)和数据变换(Transforms)实现高效的数据预处理。其中Dataset是Pipeline的起始,用于加载原始数据。mindspore.dataset提供了内置的文本、图像、音频等数据集加载接口,并提供了自定义数据集加载接口。此外MindSpore的领域开发库也提供了大量的预加载数据集,可以使用API一键下载使用。这里将分别对不同的数据集加载方式、原创 2024-06-27 16:23:03 · 818 阅读 · 0 评论 -
昇思25天学习打卡营第2天|张量Tensor
最近报名参加了昇思25天学习打卡训练营。昨天初步学习了MindSpore的基本操作。第二天学习 初学入门 / 初学教程 / 03-张量 Tensor1. 代码跑通流程张量(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 𝑛^𝑟 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(与矩阵的秩和原创 2024-06-26 19:03:48 · 752 阅读 · 0 评论 -
昇思25天学习打卡营第1天|快速入门
最近报名参加了,希望能掌握MindSpore的一些基础应用。第一天从 初学入门 / 初学教程 / 02-快速入门 开始。原创 2024-06-25 20:18:01 · 786 阅读 · 0 评论