- 专家系统(Mindstudio Advisor) 是用于聚焦模型和算子的性能调优Top问题，识别性能瓶颈，重点构建瓶颈分析、优化推荐模型，支撑开发效率提升的工具。专家系统当前已经支持针对推理、训练、算子场景的瓶颈分析模型，包括内部团队开发的模型&算子瓶颈分析和优化推荐知识库、针对onnx模型的自动调优知识库，以及基于生态开发者开发的生态知识库。 专家系统(Mindstudio Advisor) 是用于聚焦模型和算子的性能调优Top问题，识别性能瓶颈，重点构建瓶颈分析、优化推荐模型，支撑开发效率提升的工具。专家系统当前已经支持针对推理、训练、算子场景的瓶颈分析模型，包括内部团队开发的模型&算子瓶颈分析和优化推荐知识库、针对onnx模型的自动调优知识库，以及基于生态开发者开发的生态知识库。
- MindStudio Profiler简介Ascend AI处理器是一款面向AI业务应用的高性能集成芯片，包含AI CPU、A Core、AI Vector Core等计算单元来提升AI任务的运算性能。基于Ascend AI处理器，Mindstudio在算子开发、模型训练及推理应用等不同环节，提供了端到端的Profiler工具。 MindStudio Profiler简介Ascend AI处理器是一款面向AI业务应用的高性能集成芯片，包含AI CPU、A Core、AI Vector Core等计算单元来提升AI任务的运算性能。基于Ascend AI处理器，Mindstudio在算子开发、模型训练及推理应用等不同环节，提供了端到端的Profiler工具。
- 大家好，我是雄雄，欢迎关注微信公众号：雄雄的小课堂 前言现在是2022年5月4日19:25:55！今天写了个这样的功能：某用户在一天内有多个训练项目，比如：晨跑，有氧训练，跳绳这三个项目。这三个训练项目都在数据库中有记录，每个项目都有开始时间，结束时间以及状态。状态包含：未开始，进行中和已结束。下图展示的就是训练项目用户早上醒来之后，点击第一个晨跑的小卡片，那么就开始记录当前时间就是晨跑的开... 大家好，我是雄雄，欢迎关注微信公众号：雄雄的小课堂 前言现在是2022年5月4日19:25:55！今天写了个这样的功能：某用户在一天内有多个训练项目，比如：晨跑，有氧训练，跳绳这三个项目。这三个训练项目都在数据库中有记录，每个项目都有开始时间，结束时间以及状态。状态包含：未开始，进行中和已结束。下图展示的就是训练项目用户早上醒来之后，点击第一个晨跑的小卡片，那么就开始记录当前时间就是晨跑的开...
- 0. 简介继LLOAM后，三维SLAM迎来了蓬勃的发展，最近一只FAST-SLAM为代表的3D-SLAM迎来了蓬勃的发展，FASTER-LIO也可以看到国内知名SLAMer高博的影子。为此我们来看一下FAST-SLAM这类SLAM算法的优势在哪里。 1. FAST-LIO首先我们需要先明白FSAT-LIO相较于其他的LIO好处在哪里：将IMU和Lidar特征点紧耦合在一起使用反向传播考虑到... 0. 简介继LLOAM后，三维SLAM迎来了蓬勃的发展，最近一只FAST-SLAM为代表的3D-SLAM迎来了蓬勃的发展，FASTER-LIO也可以看到国内知名SLAMer高博的影子。为此我们来看一下FAST-SLAM这类SLAM算法的优势在哪里。 1. FAST-LIO首先我们需要先明白FSAT-LIO相较于其他的LIO好处在哪里：将IMU和Lidar特征点紧耦合在一起使用反向传播考虑到...
- 0. 简介已经好久不写深度学习相关的博客了。但是我觉得DETR值得我重新拾起来进行详细介绍。Deformable DETR作为这两年来最有名的DETR变种之一，当然代码量也是比较多的。这里我们从论文到代码来详细分析Deformable DETR的精华之处。最近两年时间从Attention到NAS再到Transformer，视觉检测行业被Transformer拉到了一个新的高度。而DETR作... 0. 简介已经好久不写深度学习相关的博客了。但是我觉得DETR值得我重新拾起来进行详细介绍。Deformable DETR作为这两年来最有名的DETR变种之一，当然代码量也是比较多的。这里我们从论文到代码来详细分析Deformable DETR的精华之处。最近两年时间从Attention到NAS再到Transformer，视觉检测行业被Transformer拉到了一个新的高度。而DETR作...
- 大家好，我是雄雄，欢迎关注微信公众号：雄雄的小课堂 前言现在是2022年5月4日19:25:55！今天写了个这样的功能：某用户在一天内有多个训练项目，比如：晨跑，有氧训练，跳绳这三个项目。这三个训练项目都在数据库中有记录，每个项目都有开始时间，结束时间以及状态。状态包含：未开始，进行中和已结束。下图展示的就是训练项目用户早上醒来之后，点击第一个晨跑的小卡片，那么就开始记录当前时间就是晨跑的开... 大家好，我是雄雄，欢迎关注微信公众号：雄雄的小课堂 前言现在是2022年5月4日19:25:55！今天写了个这样的功能：某用户在一天内有多个训练项目，比如：晨跑，有氧训练，跳绳这三个项目。这三个训练项目都在数据库中有记录，每个项目都有开始时间，结束时间以及状态。状态包含：未开始，进行中和已结束。下图展示的就是训练项目用户早上醒来之后，点击第一个晨跑的小卡片，那么就开始记录当前时间就是晨跑的开...
- PGL图学习之基于GNN模型新冠疫苗任务[系列九] PGL图学习之基于GNN模型新冠疫苗任务[系列九]
- 随参信道的传输特性主要依赖于传输媒质特性，以电离层反射信道、对流层散射信道为主要代表。 随参信道是一种信道传输特性随时间随机快速变化的信道， 包括陆地移动信道，短波电离层反射信道、超短波微波对流层散射信道、超短波视距绕射信道。随参信道的传输媒介具有以下三个特点：对信号的衰耗（衰减）随时间而变；传输的时延随时间而变；会产生多径传播的效果。多径传播 ：指由发射点出发的电波可能经过多条路径到达接收... 随参信道的传输特性主要依赖于传输媒质特性，以电离层反射信道、对流层散射信道为主要代表。 随参信道是一种信道传输特性随时间随机快速变化的信道， 包括陆地移动信道，短波电离层反射信道、超短波微波对流层散射信道、超短波视距绕射信道。随参信道的传输媒介具有以下三个特点：对信号的衰耗（衰减）随时间而变；传输的时延随时间而变；会产生多径传播的效果。多径传播 ：指由发射点出发的电波可能经过多条路径到达接收...
- @TOC 一、前言这篇文章是AttnGAN: Fine-Grained TexttoImage Generation with Attention（带有注意的生成对抗网络细化文本到图像生成）的代码复现博文，我边做边写，展示详细步骤、踩坑和debug的过程。论文地址： https://arxiv.org/pdf/1711.10485.pdf论文阅读笔记：Text to image论文精读 At... @TOC 一、前言这篇文章是AttnGAN: Fine-Grained TexttoImage Generation with Attention（带有注意的生成对抗网络细化文本到图像生成）的代码复现博文，我边做边写，展示详细步骤、踩坑和debug的过程。论文地址： https://arxiv.org/pdf/1711.10485.pdf论文阅读笔记：Text to image论文精读 At...
- @TOCTransGAN是UT-Austin、加州大学、 IBM研究院的华人博士生构建了一个只使用纯 transformer 架构、完全没有卷积的 GAN，并将其命名为 TransGAN。论文地址：https://arxiv.org/abs/2102.07074论文精读：论文精读 TransGAN代码地址：https://github.com/VITA-Group/TransGAN本篇博文是... @TOCTransGAN是UT-Austin、加州大学、 IBM研究院的华人博士生构建了一个只使用纯 transformer 架构、完全没有卷积的 GAN，并将其命名为 TransGAN。论文地址：https://arxiv.org/abs/2102.07074论文精读：论文精读 TransGAN代码地址：https://github.com/VITA-Group/TransGAN本篇博文是...
- @toc 摘要MaxViT，是今年谷歌提出分层Transformer的模型，将注意力模型与卷积有效地融合在一起。在图像分类方面，MaxViT 在各种设置下都达到了最先进的性能：ImageNet-1K分类任务，MaxViT 达到了 86.5% top-1 准确率； ImageNet-21K 分类任务，达到了 88.7% 的 top-1 准确率。对于下游任务，MaxViT 作为主干在对象检测和... @toc 摘要MaxViT，是今年谷歌提出分层Transformer的模型，将注意力模型与卷积有效地融合在一起。在图像分类方面，MaxViT 在各种设置下都达到了最先进的性能：ImageNet-1K分类任务，MaxViT 达到了 86.5% top-1 准确率； ImageNet-21K 分类任务，达到了 88.7% 的 top-1 准确率。对于下游任务，MaxViT 作为主干在对象检测和...
- 一、 基于lightgbm的Web攻击检测与分类识别比赛地址：https://www.datafountain.cn/competitions/596 1.赛题背景某业务平台平均每月捕获到Web攻击数量超过2亿，涉及常见注入攻击，代码执行等类型。传统威胁检测手段通过分析已知攻击特征进行规则匹配，无法检测未知漏洞或攻击手法。如何快速准确地识别未知威胁攻击并且将不同攻击正确分类，对提升Web攻... 一、 基于lightgbm的Web攻击检测与分类识别比赛地址：https://www.datafountain.cn/competitions/596 1.赛题背景某业务平台平均每月捕获到Web攻击数量超过2亿，涉及常见注入攻击，代码执行等类型。传统威胁检测手段通过分析已知攻击特征进行规则匹配，无法检测未知漏洞或攻击手法。如何快速准确地识别未知威胁攻击并且将不同攻击正确分类，对提升Web攻...
- 一、基于lightgbm的销售预测https://www.kaggle.com/c/m5-forecasting-uncertainty注意：这是共同构成 M5 预测挑战的两个互补竞赛之一。您能否尽可能准确地估计沃尔玛在美国销售的各种产品的单位销售额的不确定性分布？这种特定的比赛是同类比赛中的第一... 一、基于lightgbm的销售预测https://www.kaggle.com/c/m5-forecasting-uncertainty注意：这是共同构成 M5 预测挑战的两个互补竞赛之一。您能否尽可能准确地估计沃尔玛在美国销售的各种产品的单位销售额的不确定性分布？这种特定的比赛是同类比赛中的第一...
- PyTorch进阶训练技巧 1.自定义损失函数 1.1 以函数方式定义事实上，损失函数仅仅是一个函数而已，因此我们可以通过直接以函数定义的方式定义一个自己的函数，如下所示：def my_loss(output, target): loss = torch.mean((output - target)**2) return loss 1.2 以类方式定义虽然以函数定义的方式很简单... PyTorch进阶训练技巧 1.自定义损失函数 1.1 以函数方式定义事实上，损失函数仅仅是一个函数而已，因此我们可以通过直接以函数定义的方式定义一个自己的函数，如下所示：def my_loss(output, target): loss = torch.mean((output - target)**2) return loss 1.2 以类方式定义虽然以函数定义的方式很简单...
- 基础实战——FashionMNIST时装分类经过前面三章内容的学习，我们完成了以下的内容：对PyTorch有了初步的认识学会了如何安装PyTorch以及对应的编程环境学习了PyTorch最核心的理论基础（张量&自动求导）梳理了利用PyTorch完成深度学习的主要步骤和对应实现方式现在，我们通过一个基础实战案例，将第一部分所涉及的PyTorch入门知识串起来，便于大家加深理解。同时为后续的进... 基础实战——FashionMNIST时装分类经过前面三章内容的学习，我们完成了以下的内容：对PyTorch有了初步的认识学会了如何安装PyTorch以及对应的编程环境学习了PyTorch最核心的理论基础（张量&自动求导）梳理了利用PyTorch完成深度学习的主要步骤和对应实现方式现在，我们通过一个基础实战案例，将第一部分所涉及的PyTorch入门知识串起来，便于大家加深理解。同时为后续的进...
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签