- MindSpore 强化学习实战 一、引言强化学习（Reinforcement Learning，RL）是机器学习领域三大分支之一，与监督学习和无监督学习并列。与监督学习不同，强化学习强调智能体（Agent）通过与环境（Environment）的持续交互来学习最优策略。在每一轮交互中，智能体根据当前状态（State）选择动作（Action），环境随后返回新的状态和奖励（Reward），智能... MindSpore 强化学习实战 一、引言强化学习（Reinforcement Learning，RL）是机器学习领域三大分支之一，与监督学习和无监督学习并列。与监督学习不同，强化学习强调智能体（Agent）通过与环境（Environment）的持续交互来学习最优策略。在每一轮交互中，智能体根据当前状态（State）选择动作（Action），环境随后返回新的状态和奖励（Reward），智能...
- MindSpore 推荐系统实战推荐系统是现代互联网应用的核心技术之一，从电商平台的商品推荐到视频平台的个性化内容推送，推荐算法无处不在。本文将深入讲解如何使用 MindSpore 构建一个完整的推荐系统，涵盖协同过滤、矩阵分解、深度学习推荐模型等核心技术。 一、推荐系统概述 1.1 推荐系统的价值推荐系统的核心目标是解决信息过载问题，帮助用户从海量内容中发现感兴趣的物品。一个优秀的推荐系... MindSpore 推荐系统实战推荐系统是现代互联网应用的核心技术之一，从电商平台的商品推荐到视频平台的个性化内容推送，推荐算法无处不在。本文将深入讲解如何使用 MindSpore 构建一个完整的推荐系统，涵盖协同过滤、矩阵分解、深度学习推荐模型等核心技术。 一、推荐系统概述 1.1 推荐系统的价值推荐系统的核心目标是解决信息过载问题，帮助用户从海量内容中发现感兴趣的物品。一个优秀的推荐系...
- MindSpore 动态图与静态图深度解析 前言在深度学习框架的世界里，动态图（Dynamic Graph）和静态图（Static Graph）是两种核心的执行模式。它们各有优劣，理解它们的区别对于深度学习开发者来说至关重要。本文将深入解析 MindSpore 框架中的动态图与静态图机制，通过详细的代码对比和原理分析，帮助读者在实际开发中做出正确的选择。 一、什么是动态图 1.1 动态图的... MindSpore 动态图与静态图深度解析 前言在深度学习框架的世界里，动态图（Dynamic Graph）和静态图（Static Graph）是两种核心的执行模式。它们各有优劣，理解它们的区别对于深度学习开发者来说至关重要。本文将深入解析 MindSpore 框架中的动态图与静态图机制，通过详细的代码对比和原理分析，帮助读者在实际开发中做出正确的选择。 一、什么是动态图 1.1 动态图的...
- 前言人脸识别是计算机视觉领域最成熟、应用最广泛的技术之一，从手机解锁到安防监控，从支付验证到门禁系统，无处不在。一个完整的人脸识别系统包含三个核心模块：人脸检测、人脸对齐、人脸识别，以及工业级应用必需的活体检测。本文将使用 MindSpore 框架，从零构建一个完整的人脸识别系统，涵盖：人脸检测（MTCNN 算法）人脸关键点对齐人脸识别（FaceNet/InsightFace 风格）活体检测... 前言人脸识别是计算机视觉领域最成熟、应用最广泛的技术之一，从手机解锁到安防监控，从支付验证到门禁系统，无处不在。一个完整的人脸识别系统包含三个核心模块：人脸检测、人脸对齐、人脸识别，以及工业级应用必需的活体检测。本文将使用 MindSpore 框架，从零构建一个完整的人脸识别系统，涵盖：人脸检测（MTCNN 算法）人脸关键点对齐人脸识别（FaceNet/InsightFace 风格）活体检测...
- MindSpore 模型压缩与量化实战 前言随着深度学习模型规模的急剧增长，大模型部署面临严峻的挑战。以GPT-3为例，其参数量高达1750亿，模型文件体积超过300GB，即便在高性能服务器上也难以实现实时推理。模型压缩技术应运而生，成为解决这一问题的关键技术路径。MindSpore作为华为开源的全场景AI框架，提供了完整的模型压缩工具链，涵盖量化（Quantization）、剪枝（Pru... MindSpore 模型压缩与量化实战 前言随着深度学习模型规模的急剧增长，大模型部署面临严峻的挑战。以GPT-3为例，其参数量高达1750亿，模型文件体积超过300GB，即便在高性能服务器上也难以实现实时推理。模型压缩技术应运而生，成为解决这一问题的关键技术路径。MindSpore作为华为开源的全场景AI框架，提供了完整的模型压缩工具链，涵盖量化（Quantization）、剪枝（Pru...
- MindSpore 计算机视觉 ResNet 实战 前言ResNet（残差网络）是深度学习领域的经典之作，由何恺明等人在2015年提出，彻底改变了深度神经网络的设计思路。通过引入残差连接（Skip Connection），ResNet 解决了深层网络的梯度消失问题，使得训练超过100层的深度网络成为可能。本文将深入讲解 ResNet 的核心原理，并使用 MindSpore 框架从零开始实现... MindSpore 计算机视觉 ResNet 实战 前言ResNet（残差网络）是深度学习领域的经典之作，由何恺明等人在2015年提出，彻底改变了深度神经网络的设计思路。通过引入残差连接（Skip Connection），ResNet 解决了深层网络的梯度消失问题，使得训练超过100层的深度网络成为可能。本文将深入讲解 ResNet 的核心原理，并使用 MindSpore 框架从零开始实现...
- MindSpore 模型优化与部署实战从训练到生产环境的全流程模型优化与部署指南 前言深度学习模型从实验室走向生产环境，需要经历模型优化、格式转换、推理加速和部署落地等多个环节。MindSpore提供了完整的模型优化与部署工具链，支持模型量化、剪枝、知识蒸馏等优化技术，以及多种部署方式。本文将从实战角度出发，全面讲解如何将MindSpore模型高效部署到生产环境。 一、模型优化概述 1.1... MindSpore 模型优化与部署实战从训练到生产环境的全流程模型优化与部署指南 前言深度学习模型从实验室走向生产环境，需要经历模型优化、格式转换、推理加速和部署落地等多个环节。MindSpore提供了完整的模型优化与部署工具链，支持模型量化、剪枝、知识蒸馏等优化技术，以及多种部署方式。本文将从实战角度出发，全面讲解如何将MindSpore模型高效部署到生产环境。 一、模型优化概述 1.1...
- MindSpore 分布式训练完全指南从单机单卡到多机多卡，全面掌握MindSpore分布式训练技术 前言随着深度学习模型规模的不断扩大，单机训练已经无法满足大规模模型的训练需求。分布式训练成为解决这一问题的关键技术。MindSpore作为华为开源的深度学习框架，提供了完善的分布式训练支持，包括数据并行、模型并行和混合并行等多种并行策略。本文将从原理到实践，全面讲解MindSpore分布式... MindSpore 分布式训练完全指南从单机单卡到多机多卡，全面掌握MindSpore分布式训练技术 前言随着深度学习模型规模的不断扩大，单机训练已经无法满足大规模模型的训练需求。分布式训练成为解决这一问题的关键技术。MindSpore作为华为开源的深度学习框架，提供了完善的分布式训练支持，包括数据并行、模型并行和混合并行等多种并行策略。本文将从原理到实践，全面讲解MindSpore分布式...
- MindSpore AI安全对抗攻击防护实战作者：whitea133邮箱：1309848726@qq.com 📌 摘要随着深度学习技术在关键领域的广泛应用，AI系统的安全性问题日益凸显。对抗攻击作为最严重的安全威胁之一，能够通过在输入数据中添加难以察觉的扰动，使深度学习模型产生错误预测，甚至被攻击者完全控制。MindSpore作为华为开源的全场景AI框架，在设计之初就将安全性作为核心考量... MindSpore AI安全对抗攻击防护实战作者：whitea133邮箱：1309848726@qq.com 📌 摘要随着深度学习技术在关键领域的广泛应用，AI系统的安全性问题日益凸显。对抗攻击作为最严重的安全威胁之一，能够通过在输入数据中添加难以察觉的扰动，使深度学习模型产生错误预测，甚至被攻击者完全控制。MindSpore作为华为开源的全场景AI框架，在设计之初就将安全性作为核心考量...
- MindSpore vs PyTorch：深度学习框架对比指南作者：whitea133邮箱：1309848726@qq.com 📌 摘要在选择深度学习框架时，MindSpore 和 PyTorch 是两个最受欢迎的选择。本文从多个维度详细对比这两个框架，包括 API 设计、性能表现、易用性、社区生态等方面。通过大量的代码示例和性能测试数据，帮助你做出最适合自己的选择。无论你是初学者还是有... MindSpore vs PyTorch：深度学习框架对比指南作者：whitea133邮箱：1309848726@qq.com 📌 摘要在选择深度学习框架时，MindSpore 和 PyTorch 是两个最受欢迎的选择。本文从多个维度详细对比这两个框架，包括 API 设计、性能表现、易用性、社区生态等方面。通过大量的代码示例和性能测试数据，帮助你做出最适合自己的选择。无论你是初学者还是有...
- MindSpore 快速入门：从零到第一个神经网络 MindSpore 快速入门：从零到第一个神经网络
- harmony_timeflow的maximum_timeflow_2.0版本是OpenHarmony生态中为边缘智能打造的轻量级AI推理子系统，具备跨平台一致性、多后端融合、端云协同安全三大领先能力，全面支持资源受限的LiteOS-M轻量设备与功能完整的Linux系统。 harmony_timeflow的maximum_timeflow_2.0版本是OpenHarmony生态中为边缘智能打造的轻量级AI推理子系统，具备跨平台一致性、多后端融合、端云协同安全三大领先能力，全面支持资源受限的LiteOS-M轻量设备与功能完整的Linux系统。
- 随着电竞产业爆发与直播技术迭代，游戏直播已进入“高清化、低时延、强互动”的新阶段。无论是3A大作直播的4K画质呈现、万人在线赛事的并发推流，还是主播与观众的实时互动反馈，都对底层技术架构提出了极致要求——既要承载高密度AI计算任务，又要控制带宽与运维成本，还要保障全链路直播稳定性。昇思MindSpore作为开源全场景AI计算框架，凭借自动并行、高效推理优化、多模态模型适配等核心能力，在头部游... 随着电竞产业爆发与直播技术迭代，游戏直播已进入“高清化、低时延、强互动”的新阶段。无论是3A大作直播的4K画质呈现、万人在线赛事的并发推流，还是主播与观众的实时互动反馈，都对底层技术架构提出了极致要求——既要承载高密度AI计算任务，又要控制带宽与运维成本，还要保障全链路直播稳定性。昇思MindSpore作为开源全场景AI计算框架，凭借自动并行、高效推理优化、多模态模型适配等核心能力，在头部游...
- 高速公路匝道口是机动车驶离高速的“最后一公里”，但就在这下站的“最后一公里”，因为错过路口违法变道、停车、倒车、逆行等违法行为引发的事故多发，甚至引发恶性事故，成为高速公路上的“高危地带”。基于MindSpore框架的高速公路多违法智能识别系统，该项目获得2025年华为开发者大赛企业赛道创新奖。 高速公路匝道口是机动车驶离高速的“最后一公里”，但就在这下站的“最后一公里”，因为错过路口违法变道、停车、倒车、逆行等违法行为引发的事故多发，甚至引发恶性事故，成为高速公路上的“高危地带”。基于MindSpore框架的高速公路多违法智能识别系统，该项目获得2025年华为开发者大赛企业赛道创新奖。
- AI 不该只活在云上——聊聊 MindSpore Lite 在鸿蒙端的真正落地方式 AI 不该只活在云上——聊聊 MindSpore Lite 在鸿蒙端的真正落地方式
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 -
一个AI团队帮你写代码：华为云码道Agent Space实战2026/06/25 周四 19:00-21:00
张翰文-华为云码道工程师/郭英旭-青软创新科技集团股份有限公司 软件架构师
本场直播聚焦华为云码道Agent Space两大模式：研发办公、代码开发，亲身体验从需求到代码的AI自动化能力。实操演示基于华为 CodeArts CLI，依托 OpenSpec 规格体系从零搭建业务项目。
回顾中
热门标签