昇思大模型
文章平均质量分 80
MindSpore的25天学习
小狮子在快活林
这个作者很懒,什么都没留下…
展开
-
《昇思25天学习打卡营第6天| 函数式自动微分》
使用MindSpore框架,通过构造计算图和定义前向计算函数来计算损失。利用mindspore.grad函数和value_and_grad函数计算参数的梯度。可以通过ops.stop_gradient和has_aux参数控制梯度的传播和辅助数据的处理。最后,定义一个神经网络模型,利用函数式自动微分实现参数更新。原创 2024-07-23 11:07:14 · 285 阅读 · 0 评论 -
《昇思25天学习打卡营第5天|网络构建》
本案例描述了如何使用MindSpore构建神经网络模型,并通过一个示例展示了相关网络构建的内容。首先,导入MindSpore的主要模块,其中包括nn(神经网络模块)和ops(操作模块)。2.2.1 初始化模型__init__方法:这是构造函数,用于初始化模型的各层。self.flatten = nn.Flatten():定义一个扁平化层,用于将输入的二维图像转换为一维向量。self.dense_relu_sequential:使用nn.SequentialCell定义了一系列全连接层(Dense层原创 2024-07-04 23:15:10 · 687 阅读 · 0 评论 -
《昇思25天学习打卡营第4天|数据变换 Transforms》
在机器学习和深度学习中,数据预处理是一个非常重要的步骤。通过数据变换(Transforms),我们可以对原始数据进行预处理,使其适合送入神经网络进行训练。MindSpore 提供了多种类型的数据变换,能够处理图像、文本、音频等不同类型的数据。这些变换可以通过 map 方法传入,实现对指定数据列的处理。mindspore.dataset 提供了一系列通用的、面向图像和文本的 Transforms,同时也支持使用 Lambda 函数。下面这个案例就是介绍transforns的用法。mindspore.datas原创 2024-07-03 22:56:55 · 612 阅读 · 0 评论 -
《昇思25天学习打卡营第3天|数据集 Dataset》
定义一个实现了__getitem__和__len__方法的自定义数据集RandomAccessDataset,并使用GeneratorDataset将其加载为数据集对象。可以通过索引直接访问数据样本。通过这几个部分,实现了使用MindSpore进行数据集的加载、预处理和自定义数据集的构建。具体步骤包括下载和解压数据集,创建数据迭代器,进行常见操作(shuffle、map、batch),以及自定义数据集的加载和使用。通过这些操作,可以灵活高效地对数据进行处理,为模型训练做好数据准备。原创 2024-07-02 15:32:41 · 266 阅读 · 0 评论 -
《昇思25天学习打卡营第2天|张量Tensor》
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。张量是多维数组,是深度学习和机器学习中数据表示的基本单位。它可以表示标量(0维张量)、向量(1维张量)、矩阵(2维张量)以及更高维度的数组。在大模型(如神经网络)中,张量用于存储和操作数据、权重、偏置等参数。在大模型中的地位:数据表示: 输入数据(如图像、文本、音频等)在进入模型前通常会被转换为张量形式,以便于模型处理。参数存储: 模型的权重和偏置也是以张量形式存储和更新的。原创 2024-07-01 15:18:03 · 431 阅读 · 0 评论 -
《昇思25天学习打卡营第1天|快速入门》
有幸在邮件中选中了参加MindSpore的25天学习,虽然是码农,但是对大模型的了解还是比较欠缺,希望自己能在学习当中找到一点思路。原创 2024-06-28 15:10:09 · 690 阅读 · 0 评论