- 本文主要介绍了如何在昇腾上，使用pytorch对经典的图神经网络GraphSage在论文引用CiteSeer数据集上进行分类训练的实战讲解。内容包括GraphSage创新点分析、GraphSage算法原理、GraphSage网络架构剖析与GraphSage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：GraphSage创新点分析GraphSage算法原理GraphSage网络架构剖... 本文主要介绍了如何在昇腾上，使用pytorch对经典的图神经网络GraphSage在论文引用CiteSeer数据集上进行分类训练的实战讲解。内容包括GraphSage创新点分析、GraphSage算法原理、GraphSage网络架构剖析与GraphSage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：GraphSage创新点分析GraphSage算法原理GraphSage网络架构剖...
- 世界地球日，华为云卓越运营，用科技关爱我们的家园 世界地球日，华为云卓越运营，用科技关爱我们的家园
- 大模型是新一轮AI发展的核心，其已在推进产业智能化升级中已表现出巨大潜力，并将在未来三年里形成风起云涌之势。华为云于2021年正式发布了盘古基础大模型，包括CV计算机视觉大模型、NLP自然语言处理大模型和科学计算大模型。在基础大模型之上，华为云践行AI for industries，陆续推出了矿山、药物分子、电力、气象、海浪等盘古行业大模型，加速各行各业数字化的进程。如今，华为云AI已经在各... 大模型是新一轮AI发展的核心，其已在推进产业智能化升级中已表现出巨大潜力，并将在未来三年里形成风起云涌之势。华为云于2021年正式发布了盘古基础大模型，包括CV计算机视觉大模型、NLP自然语言处理大模型和科学计算大模型。在基础大模型之上，华为云践行AI for industries，陆续推出了矿山、药物分子、电力、气象、海浪等盘古行业大模型，加速各行各业数字化的进程。如今，华为云AI已经在各...
- 深度学习基础入门篇[一]：神经元简介、单层多层感知机、距离计算方法式、相似度函数 深度学习基础入门篇[一]：神经元简介、单层多层感知机、距离计算方法式、相似度函数
- 滑动平均(exponential moving average)，或者叫做指数加权平均(exponentially weighted moving average)，可以用来估计变量的局部均值，使得变量的更新与一段时间内的历史取值有关。 滑动平均(exponential moving average)，或者叫做指数加权平均(exponentially weighted moving average)，可以用来估计变量的局部均值，使得变量的更新与一段时间内的历史取值有关。
- 受量子物理中波粒二象性的启发，以及最近 复现的八度卷积的设计思想启发，在本项目中设计了DWT-CNN，将神经网络的输入进行信号分解，分别送入网络的不同分支，最后通过一个全连接层进行分类。目前，通过简单的实验发现，所提出的网络结构能够更快收敛，其他下游计算机视觉任务有待实验证明。 受量子物理中波粒二象性的启发，以及最近 复现的八度卷积的设计思想启发，在本项目中设计了DWT-CNN，将神经网络的输入进行信号分解，分别送入网络的不同分支，最后通过一个全连接层进行分类。目前，通过简单的实验发现，所提出的网络结构能够更快收敛，其他下游计算机视觉任务有待实验证明。
- 在该论文中，作者提出了一种新型的Transformer模块，称为多轴自注意力（multi-axis self-attention, Max-SA），它可以作为基本的架构组件，在单个块中执行局部和全局空间交互。与完全自注意力相比，Max-SA具有更大的灵活性和效率，即自然适应不同的输入长度，具有线性复杂度。此外，Max-SA仅具有线性复杂度，可以用作网络任何层的通用独立注意力模块，增加少量的计算量。 在该论文中，作者提出了一种新型的Transformer模块，称为多轴自注意力（multi-axis self-attention, Max-SA），它可以作为基本的架构组件，在单个块中执行局部和全局空间交互。与完全自注意力相比，Max-SA具有更大的灵活性和效率，即自然适应不同的输入长度，具有线性复杂度。此外，Max-SA仅具有线性复杂度，可以用作网络任何层的通用独立注意力模块，增加少量的计算量。
- @[toc] 摘要论文：https://arxiv.org/abs/2111.11418论文翻译：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/128281326官方源码：https://github.com/sail-sg/poolformerMetaFormer是颜水成大佬的一篇Transformer的论文，该篇论文... @[toc] 摘要论文：https://arxiv.org/abs/2111.11418论文翻译：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/128281326官方源码：https://github.com/sail-sg/poolformerMetaFormer是颜水成大佬的一篇Transformer的论文，该篇论文...
- @toc 1、数据集介绍 鸢尾花数据集，其提供了 150 组鸢尾花数据，每组包括鸢尾花的花萼 长、花萼宽、花瓣长、花瓣宽 4 个输入特征，同时还给出了这一组特征对应的 鸢尾花类别。类别包括狗尾鸢尾、杂色鸢尾、弗吉尼亚鸢尾三类， 分别用数字 0、1、2 表示。 使用次数据集的代码如下：from sklearn.datasets import load_irisx_data = datase... @toc 1、数据集介绍 鸢尾花数据集，其提供了 150 组鸢尾花数据，每组包括鸢尾花的花萼 长、花萼宽、花瓣长、花瓣宽 4 个输入特征，同时还给出了这一组特征对应的 鸢尾花类别。类别包括狗尾鸢尾、杂色鸢尾、弗吉尼亚鸢尾三类， 分别用数字 0、1、2 表示。 使用次数据集的代码如下：from sklearn.datasets import load_irisx_data = datase...
- 使用生成对抗网络实现图像转换此案例使用GPU算力，请参照注意事项完成规格切换 注意事项：本案例使用AI引擎**:** TensorFlow-1.13.1本案例最低硬件规格要求**:** 类型选择GPU，目标规格选择8U + 64GiB + 1GPU切换硬件规格方法**:** 如需切换硬件规格,您可以在本页面右边的工作区进行切换运行代码方法**:** 点击本页面顶部菜单栏的三角形运行按... 使用生成对抗网络实现图像转换此案例使用GPU算力，请参照注意事项完成规格切换 注意事项：本案例使用AI引擎**:** TensorFlow-1.13.1本案例最低硬件规格要求**:** 类型选择GPU，目标规格选择8U + 64GiB + 1GPU切换硬件规格方法**:** 如需切换硬件规格,您可以在本页面右边的工作区进行切换运行代码方法**:** 点击本页面顶部菜单栏的三角形运行按...
- 语音和语音识别介绍 注意事项本案例推荐使用AI引擎：TensorFlow-1.8本案例最低硬件规格要求：2 vCPU + 4 GiB切换硬件规格方法：如需切换硬件规格，您可以在本页面右边的工作区进行切换运行代码方法：点击本页面顶部菜单栏的三角形运行按钮或按Ctrl+Enter键 运行每个方块中的代码JupyterLab的详细用法：请参考《ModelAtrs JupyterLab使用指导》K... 语音和语音识别介绍 注意事项本案例推荐使用AI引擎：TensorFlow-1.8本案例最低硬件规格要求：2 vCPU + 4 GiB切换硬件规格方法：如需切换硬件规格，您可以在本页面右边的工作区进行切换运行代码方法：点击本页面顶部菜单栏的三角形运行按钮或按Ctrl+Enter键 运行每个方块中的代码JupyterLab的详细用法：请参考《ModelAtrs JupyterLab使用指导》K...
- 本项目讲了论文节点分类任务和新冠疫苗任务，并在论文节点分类任务中对代码进行详细讲解。PGL八九系列的项目耦合性比较大，也花了挺久时间研究希望对大家有帮助。 本项目讲了论文节点分类任务和新冠疫苗任务，并在论文节点分类任务中对代码进行详细讲解。PGL八九系列的项目耦合性比较大，也花了挺久时间研究希望对大家有帮助。
- 通过以上两个版本的模型代码简单的讲解，我们可以知道他们的不同点，其实主要就是在消息传递机制的部分有所不同。ERNIESageV1版本只作用在text graph的节点上，在传递消息(Send阶段)时只考虑了邻居本身的文本信息；而ERNIESageV2版本则作用在了边上，在Send阶段同时考虑了当前节点和其邻居节点的文本信息，达到更好的交互效果。 通过以上两个版本的模型代码简单的讲解，我们可以知道他们的不同点，其实主要就是在消息传递机制的部分有所不同。ERNIESageV1版本只作用在text graph的节点上，在传递消息(Send阶段)时只考虑了邻居本身的文本信息；而ERNIESageV2版本则作用在了边上，在Send阶段同时考虑了当前节点和其邻居节点的文本信息，达到更好的交互效果。
- 本次项目讲解了图神经网络的原理并对GCN、GAT实现方式进行讲解，最后基于PGL实现了两个算法在数据集Cora、Pubmed、Citeseer的表现，在引文网络基准测试中达到了与论文同等水平的指标。 本次项目讲解了图神经网络的原理并对GCN、GAT实现方式进行讲解，最后基于PGL实现了两个算法在数据集Cora、Pubmed、Citeseer的表现，在引文网络基准测试中达到了与论文同等水平的指标。
- 使用摄像头进行钢筋盘点 案例内容介绍中国的各施工工地每年都要使用大量的钢筋，一车钢筋运到工地现场需要工作人员进行盘点，通常的做法是靠人工一根根数的方式，非常耗时费力。为了提高钢筋盘点效率，业界提出了对钢筋图片进行拍照，然后使用AI算法检测图片中的钢筋条数，实践证明，该方案不仅准确率高，而且可以极大提高效率。本案例基于目标检测的方法，使用250张已经人工标注好的图片进行AI模型的训练，训练2... 使用摄像头进行钢筋盘点 案例内容介绍中国的各施工工地每年都要使用大量的钢筋，一车钢筋运到工地现场需要工作人员进行盘点，通常的做法是靠人工一根根数的方式，非常耗时费力。为了提高钢筋盘点效率，业界提出了对钢筋图片进行拍照，然后使用AI算法检测图片中的钢筋条数，实践证明，该方案不仅准确率高，而且可以极大提高效率。本案例基于目标检测的方法，使用250张已经人工标注好的图片进行AI模型的训练，训练2...
上滑加载中
推荐直播
-
“智见未来”数字文旅创新大赛 线上培训2025/04/16 周三 19:30-21:00
洪洁/行业算力发展部
4月16日19:30-21:00，大赛组委会将于线上举办培训，汇聚行业专家与技术大牛，从文旅产业的前沿趋势到AI技术的深度应用，全方位为你赋能
回顾中 -
WS63E星闪开发板快速入门指南：开启星闪技术之旅2025/05/15 周四 19:00-20:30
杨阳 华为开发者布道师
本期直播，深度解析星闪技术核心优势与开发实战技巧，分享从环境搭建到“海思智棒”优秀星闪体验官案例开发的完整路径，覆盖技术原理、场景化案例、备赛避坑指南，助力开发者快速攻克物联网项目开发难题。
回顾中
热门标签