- MindNLP作为一个基于MindSpore生态的自然语言处理套件，其核心思路是“站在巨人的肩膀上”进行创新，既充分拥抱现有生态（特别是Hugging Face），又融合MindSpore框架的独特优势。从问题意识来看，MindNLP抓住了当前NLP领域，尤其是大语言模型（LLM）时代的几个核心痛点：一是Transformer架构已成为统一范式，但模型开发与训练对科研人员仍存在高门槛；二是任... MindNLP作为一个基于MindSpore生态的自然语言处理套件，其核心思路是“站在巨人的肩膀上”进行创新，既充分拥抱现有生态（特别是Hugging Face），又融合MindSpore框架的独特优势。从问题意识来看，MindNLP抓住了当前NLP领域，尤其是大语言模型（LLM）时代的几个核心痛点：一是Transformer架构已成为统一范式，但模型开发与训练对科研人员仍存在高门槛；二是任...
- 打印语句在评估方法中具有重要的调试和验证功能，比如第一条语句 print(f"model_output.sequences.shape[1]:{model_output.sequences.shape[1]}") 输出的是模型生成的完整序列长度。在Transformer的自回归生成过程中，sequences 包含了输入提示词和所有新生成token的完整序列。通过监控这个数值，可以确保模型按照... 打印语句在评估方法中具有重要的调试和验证功能，比如第一条语句 print(f"model_output.sequences.shape[1]:{model_output.sequences.shape[1]}") 输出的是模型生成的完整序列长度。在Transformer的自回归生成过程中，sequences 包含了输入提示词和所有新生成token的完整序列。通过监控这个数值，可以确保模型按照...
- 以 22_execute_0693.ir 里的19个cnodes为例，该IR文件通过MNIST数据集的推理过程产生。[mindspore@asc ir]$ grep "%[0-9]\+" 22_execute_0693.ir%0(CNode_256) = PrimFunc_Flatten(%para1_x) cnode_attrs: {checkpoint: Bool(1), is_dyna... 以 22_execute_0693.ir 里的19个cnodes为例，该IR文件通过MNIST数据集的推理过程产生。[mindspore@asc ir]$ grep "%[0-9]\+" 22_execute_0693.ir%0(CNode_256) = PrimFunc_Flatten(%para1_x) cnode_attrs: {checkpoint: Bool(1), is_dyna...
- 在深度学习工程实践中，我们常会遇到一些看似异常的系统行为。本次在MindSpore框架下处理MNIST测试集(https://www.hiascend.com/developer/blog/details/0259194701680659261)时，就观察到一个典型问题：在没有显式设置打乱逻辑的情况下，测试集样本顺序在多次运行中呈现不确定性。这种非确定性行为会影响实验的可重复性，需要从技术层... 在深度学习工程实践中，我们常会遇到一些看似异常的系统行为。本次在MindSpore框架下处理MNIST测试集(https://www.hiascend.com/developer/blog/details/0259194701680659261)时，就观察到一个典型问题：在没有显式设置打乱逻辑的情况下，测试集样本顺序在多次运行中呈现不确定性。这种非确定性行为会影响实验的可重复性，需要从技术层...
- 华为云之基于MindSpore搭建聊天机器人全流程【玩转华为云】 华为云之基于MindSpore搭建聊天机器人全流程【玩转华为云】
- 不是换个桌面那么简单，鸿蒙系统如何用AI玩出“真智能”？ 不是换个桌面那么简单，鸿蒙系统如何用AI玩出“真智能”？
- 本案例基于华为开发者空间的AI NoteBook工具，选择使用MindSpore框架进行MNIST数据集下载和模型训练，并使用华为开发者空间提供的免费昇腾资源的Notebook进行代码编写。 本案例基于华为开发者空间的AI NoteBook工具，选择使用MindSpore框架进行MNIST数据集下载和模型训练，并使用华为开发者空间提供的免费昇腾资源的Notebook进行代码编写。
- MindSpore机器人开发系列1：深入探索基于世界模型的机器人操控新方法欢迎来到我们的“MindSpore机器人开发系列”！在本系列中，我们将一同潜入MindSpore在机器人学领域的前沿研究，发掘那些能够点亮我们思路的闪光点。第一期，我们将目光投向一篇极具启发性的论文，它为我们揭示了如何利用MindSpore训练机器人，赋予它们更强的“理解力”和“行动力”。我们本期的焦点论文是发表在a... MindSpore机器人开发系列1：深入探索基于世界模型的机器人操控新方法欢迎来到我们的“MindSpore机器人开发系列”！在本系列中，我们将一同潜入MindSpore在机器人学领域的前沿研究，发掘那些能够点亮我们思路的闪光点。第一期，我们将目光投向一篇极具启发性的论文，它为我们揭示了如何利用MindSpore训练机器人，赋予它们更强的“理解力”和“行动力”。我们本期的焦点论文是发表在a...
- 学习笔记 学习笔记
- Ubuntu虚拟机配置MindStudio的CANN开发环境 Ubuntu虚拟机配置MindStudio的CANN开发环境
- 香橙派AI Pro算子开发——Helloworld 香橙派AI Pro算子开发——Helloworld
- 在此教程中，我们将对基于Transformer的生成式人工智能模型及其原理进行一个简单的介绍，并实现其训练和推理过程，且至少支持3种数据集，目前支持数据集有：MNIST、CIFAR10、CIFAR100等，并给用户提供一个详细的帮助文档。 在此教程中，我们将对基于Transformer的生成式人工智能模型及其原理进行一个简单的介绍，并实现其训练和推理过程，且至少支持3种数据集，目前支持数据集有：MNIST、CIFAR10、CIFAR100等，并给用户提供一个详细的帮助文档。
- 在此教程中，我们将对深度学习中的图模型及其原理进行一个简单的介绍，并实现一种图模型的训练和推理，至少支持三种数据集，目前支持数据集有：Cora、CiteSeer、PubMed等，并给用户提供一个详细的帮助文档。 在此教程中，我们将对深度学习中的图模型及其原理进行一个简单的介绍，并实现一种图模型的训练和推理，至少支持三种数据集，目前支持数据集有：Cora、CiteSeer、PubMed等，并给用户提供一个详细的帮助文档。
- - 本数据集是K-pop偶像高品质面部图像的第一个数据集。数据集由大约6，000张分辨率为512x512的高质量人脸图像和每个图像的身份标签组成。- 收集大约90，000张K-pop女性偶像图像，并从每张图像中裁剪了面部，并对高质量的Idol人脸图像进行了分类。- 一个基准测试有 300 个测试数据集，并且测试图片和训练图片之间没有重复的。测试图片中的某些标签不会与训练图片重复。（这意味着一... - 本数据集是K-pop偶像高品质面部图像的第一个数据集。数据集由大约6，000张分辨率为512x512的高质量人脸图像和每个图像的身份标签组成。- 收集大约90，000张K-pop女性偶像图像，并从每张图像中裁剪了面部，并对高质量的Idol人脸图像进行了分类。- 一个基准测试有 300 个测试数据集，并且测试图片和训练图片之间没有重复的。测试图片中的某些标签不会与训练图片重复。（这意味着一...
- 本文主要记录一下笔者参加2023长三角训练营华为昇思MindSpore创新训练营的作品，做的是一个图像识别与描述生成，实际做了两天不到。 本文主要记录一下笔者参加2023长三角训练营华为昇思MindSpore创新训练营的作品，做的是一个图像识别与描述生成，实际做了两天不到。
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 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签