- 本节书摘来自华章计算机《MXNet深度学习实战》一书中的第1章，第1.2.2节，作者是魏凯峰。 本节书摘来自华章计算机《MXNet深度学习实战》一书中的第1章，第1.2.2节，作者是魏凯峰。
- 【算法介绍】 基于 YOLOv11 的传送带异物检测系统：为工业生产秩序保驾护航 在工业生产朝着自动化、智能化方向迅猛发展的关键时期，精准且高效地监测传送带上的异物情况，已然成为保障生产流程顺畅、提升产品质量以及确保生产安全的核心挑战之一。传送带作为工业生产中物料传输的关键设备，其运行环境复杂多样，物料形态千变万化。不同批次物料的大小、形状、颜色差异显著，传送带运行速度也因生产工艺需求而各有... 【算法介绍】 基于 YOLOv11 的传送带异物检测系统：为工业生产秩序保驾护航 在工业生产朝着自动化、智能化方向迅猛发展的关键时期，精准且高效地监测传送带上的异物情况，已然成为保障生产流程顺畅、提升产品质量以及确保生产安全的核心挑战之一。传送带作为工业生产中物料传输的关键设备，其运行环境复杂多样，物料形态千变万化。不同批次物料的大小、形状、颜色差异显著，传送带运行速度也因生产工艺需求而各有...
- 基于PyTorch的YOLOv11全流程训练与部署研究本文将带你深入了解在Windows 11系统上从零搭建并训练YOLOv11模型的全过程。内容包括：硬件与依赖环境准备、CUDA与cuDNN安装、PyTorch与相关库配置、PyCharm集成、系统环境变量配置，以及YOLOv11源码获取与训练示例。 环境与硬件准备 硬件要求GPU：NVIDIA GTX 1060及以上，支持CUDA 11... 基于PyTorch的YOLOv11全流程训练与部署研究本文将带你深入了解在Windows 11系统上从零搭建并训练YOLOv11模型的全过程。内容包括：硬件与依赖环境准备、CUDA与cuDNN安装、PyTorch与相关库配置、PyCharm集成、系统环境变量配置，以及YOLOv11源码获取与训练示例。 环境与硬件准备 硬件要求GPU：NVIDIA GTX 1060及以上，支持CUDA 11...
- PyTorch 语音信号预处理实战深度学习的模型训练隶属于监督学习过程，通常是给定训练输入及对应的标签，然后使用某种损失计算方式与反向传播算法使得算法收敛。对于图片而言，分类任务与检测任务其制作标签就是需要在对数据集物体的类别与位置进行标记；而对于语音任务来说则截然不同。本实验以语音领域比较常见的’yesno’与’ashell’两个数据集为例，分别来介绍语音分类任务与语音识别任务的数据预处... PyTorch 语音信号预处理实战深度学习的模型训练隶属于监督学习过程，通常是给定训练输入及对应的标签，然后使用某种损失计算方式与反向传播算法使得算法收敛。对于图片而言，分类任务与检测任务其制作标签就是需要在对数据集物体的类别与位置进行标记；而对于语音任务来说则截然不同。本实验以语音领域比较常见的’yesno’与’ashell’两个数据集为例，分别来介绍语音分类任务与语音识别任务的数据预处...
- 传统模型迁移到昇腾设备上出现了精度问题，介绍精度问题的定位方法和解决方案，重点介绍了精度问题的定位定界方法。 传统模型迁移到昇腾设备上出现了精度问题，介绍精度问题的定位方法和解决方案，重点介绍了精度问题的定位定界方法。
- torch.compile是PyTorch 2.3推出的革命性功能，通过即时编译（JIT）技术优化模型运行速度。它借助TorchDynamo提取计算图，并通过TorchInductor生成高度优化的CUDA内核，充分发挥GPU并行计算能力。支持默认、reduce-overhead和max-autotune三种模式，分别适用于不同性能需求场景。 torch.compile是PyTorch 2.3推出的革命性功能，通过即时编译（JIT）技术优化模型运行速度。它借助TorchDynamo提取计算图，并通过TorchInductor生成高度优化的CUDA内核，充分发挥GPU并行计算能力。支持默认、reduce-overhead和max-autotune三种模式，分别适用于不同性能需求场景。
- 深入解析torch.compile：提升PyTorch模型性能torch.compile核心原理torch.compile是PyTorch 2.x引入的革命性功能，它通过即时编译(JIT)技术将PyTorch代码转换为优化的机器代码，显著提升模型性能。其核心技术栈包括：TorchDynamo：通过符号解释Python字节码，安全捕获PyTorch计算图AOTAutograd：提前生成反向传播... 深入解析torch.compile：提升PyTorch模型性能torch.compile核心原理torch.compile是PyTorch 2.x引入的革命性功能，它通过即时编译(JIT)技术将PyTorch代码转换为优化的机器代码，显著提升模型性能。其核心技术栈包括：TorchDynamo：通过符号解释Python字节码，安全捕获PyTorch计算图AOTAutograd：提前生成反向传播...
- 本文主要介绍了如何在昇腾上，使用pytorch对图像分割任务的开山之作FCN网络在VOC2012数据集上进行训练的实战过程讲解。主要内容包括FCN网络的创新点分析、FCN网络架构分析，实战训练代码分析等等。本文的目录结构安排如下所示：FCN创新点分析FCN网络架构分析FCN网络搭建过程及代码详解端到端训练Voc2012数据集全过程分析 FCN（Fully Convolutional Netw... 本文主要介绍了如何在昇腾上，使用pytorch对图像分割任务的开山之作FCN网络在VOC2012数据集上进行训练的实战过程讲解。主要内容包括FCN网络的创新点分析、FCN网络架构分析，实战训练代码分析等等。本文的目录结构安排如下所示：FCN创新点分析FCN网络架构分析FCN网络搭建过程及代码详解端到端训练Voc2012数据集全过程分析 FCN（Fully Convolutional Netw...
- 本文主要介绍如何在昇腾上使用pytorch对推荐系统中经典的网络模型Din进行训练的实战讲解，使用数据集是Amazon中book数据集，主要内容分为以下几个模块：Din网络创新点介绍Din网络架构剖析及搭建Activation Unit介绍Attention模块Din网络构建使用Amazon-book数据集训练Din网络实战Amazon-book数据集介绍Amazon-book数据集预处理训... 本文主要介绍如何在昇腾上使用pytorch对推荐系统中经典的网络模型Din进行训练的实战讲解，使用数据集是Amazon中book数据集，主要内容分为以下几个模块：Din网络创新点介绍Din网络架构剖析及搭建Activation Unit介绍Attention模块Din网络构建使用Amazon-book数据集训练Din网络实战Amazon-book数据集介绍Amazon-book数据集预处理训...
- PyTorch 实现 Vggnet图像分类本实验主要介绍了如何在昇腾上，使用pytorch对经典的Vggnet模型在公开的CIFAR10数据集进行分类训练的实战讲解。内容包括Vggnet模型创新点介绍 、Vggnet网络架构剖析 与Vgg网络模型代码实战分析等等。本实验的目录结构安排如下所示：Vggnet网络模型创新点介绍Vggnet的网络架构剖析Vggnet网络模型代码实现分析Vggne... PyTorch 实现 Vggnet图像分类本实验主要介绍了如何在昇腾上，使用pytorch对经典的Vggnet模型在公开的CIFAR10数据集进行分类训练的实战讲解。内容包括Vggnet模型创新点介绍 、Vggnet网络架构剖析 与Vgg网络模型代码实战分析等等。本实验的目录结构安排如下所示：Vggnet网络模型创新点介绍Vggnet的网络架构剖析Vggnet网络模型代码实现分析Vggne...
- 全文给出三种模型的代码示例，以GraphSage为例主要讲解 GraphSage因为昇腾暂时还不支持PyG的torch_scatter,torch_sparse等加速库，所以还不能使用mini-batch方式训练GNN，此处都是in-memory的全图训练方式。首先构建一个GraphSAGE网络以下代码是一个两层的GraphSAGE网络，利用PyG提供的SAGEConv进行构建。class ... 全文给出三种模型的代码示例，以GraphSage为例主要讲解 GraphSage因为昇腾暂时还不支持PyG的torch_scatter,torch_sparse等加速库，所以还不能使用mini-batch方式训练GNN，此处都是in-memory的全图训练方式。首先构建一个GraphSAGE网络以下代码是一个两层的GraphSAGE网络，利用PyG提供的SAGEConv进行构建。class ...
- 前置需求安装torch,torch_npu,参考 安装torch_npu 安装PyGpip install torch_geometric 数据集下载修改PyG 源码url参考：https://blog.csdn.net/PolarisRisingWar/article/details/116399648 前置需求安装torch,torch_npu,参考 安装torch_npu 安装PyGpip install torch_geometric 数据集下载修改PyG 源码url参考：https://blog.csdn.net/PolarisRisingWar/article/details/116399648
- 环境昊算平台910b NPUdocker容器 下载中心Ascend/pytorch安装torch_npu插件-安装步骤-配置与安装-开发文档-昇腾社区 安装流程查阅所需的对应版本PyTorch Extension版本号采用{PyTorch版本}-{昇腾版本}命名规则，前者为PyTorch Extension匹配的PyTorch版本，后者用于匹配CANN版本，详细匹配如下：CANN版本支持的... 环境昊算平台910b NPUdocker容器 下载中心Ascend/pytorch安装torch_npu插件-安装步骤-配置与安装-开发文档-昇腾社区 安装流程查阅所需的对应版本PyTorch Extension版本号采用{PyTorch版本}-{昇腾版本}命名规则，前者为PyTorch Extension匹配的PyTorch版本，后者用于匹配CANN版本，详细匹配如下：CANN版本支持的...
- 从零实现基于扩散模型的文本到视频生成系统：技术详解与Pytorch代码实现 介绍近年来，生成式模型在计算机视觉领域取得了显著进展。特别是扩散模型，作为一种新兴的生成性模型架构，已经被证明在图像和视频生成任务中具有很高的性能。本篇文章将详细探讨如何从零开始使用扩散模型构建一个文本到视频生成系统。 引言随着深度学习技术的不断发展，生成模型逐渐从生成静态图像扩展到生成动态视频。通过将文本描述转化... 从零实现基于扩散模型的文本到视频生成系统：技术详解与Pytorch代码实现 介绍近年来，生成式模型在计算机视觉领域取得了显著进展。特别是扩散模型，作为一种新兴的生成性模型架构，已经被证明在图像和视频生成任务中具有很高的性能。本篇文章将详细探讨如何从零开始使用扩散模型构建一个文本到视频生成系统。 引言随着深度学习技术的不断发展，生成模型逐渐从生成静态图像扩展到生成动态视频。通过将文本描述转化...
- 一、华为Ascend 310B与PyTorch兼容性1. 硬件与软件支持华为Ascend 310B是一款专为AI推理设计的高能效、高集成度的AI处理器，主要用于边缘计算场景。虽然Ascend 310B本身没有直接运行PyTorch的原生能力，但借助华为的异构计算架构（CANN）和相关工具，用户可以在Ascend 310B上运行PyTorch模型。2. 模型转换与环境配置在Ascend 310... 一、华为Ascend 310B与PyTorch兼容性1. 硬件与软件支持华为Ascend 310B是一款专为AI推理设计的高能效、高集成度的AI处理器，主要用于边缘计算场景。虽然Ascend 310B本身没有直接运行PyTorch的原生能力，但借助华为的异构计算架构（CANN）和相关工具，用户可以在Ascend 310B上运行PyTorch模型。2. 模型转换与环境配置在Ascend 310...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
苏州工业园区“华为云杯”2025人工智能应用创新大赛赛中直播2025/08/21 周四 16:00-17:00
Vz 华为云AIoT技术布道师
本期直播将与您一起探讨如何基于华为云IoT平台全场景云服务，结合AI、鸿蒙、大数据等技术，打造有创新性，有竞争力的方案和产品。
回顾中 -
深入解读架构师专业级培训认证2025/08/22 周五 16:30-17:30
阿肯-华为云生态技术讲师
解决方案架构专业级是开发者认证中的顶端明珠。这门认证聊什么？值得学吗？怎么考、考什么、难不难？这门课程深入解答
回顾中
热门标签