- 昇思，为了AI深思！ 昇思，为了AI深思！
- 搞好3080显卡，为了AI。 搞好3080显卡，为了AI。
- 拆机，为了AI。 拆机，为了AI。
- 写在最前面：本markdown仅针对第六期训练营中出现的坑来做填坑处理，避免新人跟我之前一样被劝退了无数次而心态爆炸。详细做题过程移步论坛张小白处。 2020-11-10继专家判定之前北京四的服务器可能被我折腾坏了之后，重新开了一个新加坡的服务器从头做人。切到新加坡服务器之后，git报错如下：解决方法不是网上能搜到的，很简单，直接重装git即可解决。 Transformer-moe第一个作业... 写在最前面：本markdown仅针对第六期训练营中出现的坑来做填坑处理，避免新人跟我之前一样被劝退了无数次而心态爆炸。详细做题过程移步论坛张小白处。 2020-11-10继专家判定之前北京四的服务器可能被我折腾坏了之后，重新开了一个新加坡的服务器从头做人。切到新加坡服务器之后，git报错如下：解决方法不是网上能搜到的，很简单，直接重装git即可解决。 Transformer-moe第一个作业...
- 一、安装MindSpore1.15因为MindSpore目前只支持Python3.7.5(3.7.5小版本在.5以上好像也可以)和Python3.9，所以建议使用Anaconda进行安装。Anaconda主页:https://www.anaconda.com/进入到命令行界面（Windows在安装后有对应的Anaconda命令行，linux的话就直接终端运行）创建环境conda creat... 一、安装MindSpore1.15因为MindSpore目前只支持Python3.7.5(3.7.5小版本在.5以上好像也可以)和Python3.9，所以建议使用Anaconda进行安装。Anaconda主页:https://www.anaconda.com/进入到命令行界面（Windows在安装后有对应的Anaconda命令行，linux的话就直接终端运行）创建环境conda creat...
- 引言 神经网络的参数众多，我们需要选择合适的算法来进行参数的更新和学习，也就是优化器。优化器在神经网络模型训练的过程中有着十分重要的作用。 从SGD开始，神经网络模型优化器就一直在迭代和发展之中。如PyTorch就已经开源了包括SGD、Momentum、RMSprop、Adam、AdamW等等丰富的优化器。但是，由于深度学习模型本身的复杂性，深度学习模型框架自带的优化器本身可能... 引言 神经网络的参数众多，我们需要选择合适的算法来进行参数的更新和学习，也就是优化器。优化器在神经网络模型训练的过程中有着十分重要的作用。 从SGD开始，神经网络模型优化器就一直在迭代和发展之中。如PyTorch就已经开源了包括SGD、Momentum、RMSprop、Adam、AdamW等等丰富的优化器。但是，由于深度学习模型本身的复杂性，深度学习模型框架自带的优化器本身可能...
- 不花💰 ，就能体验 MindScience 不花💰 ，就能体验 MindScience
- 1 MindSpore介绍 1.1 关于MindSporeMindSpore是端边云全场景按需协同的华为自研AI计算框架，提供全场景统一API，为全场景AI的模型开发、模型运行、模型部署提供端到端能力。MindSpore采用端-边-云按需协作分布式架构、微分原生编程新范式以及AI Native新执行模式，实现更好的资源效率、安全可信，同时降低行业AI开发门槛、释放昇腾芯片算力，助力普惠AI... 1 MindSpore介绍 1.1 关于MindSporeMindSpore是端边云全场景按需协同的华为自研AI计算框架，提供全场景统一API，为全场景AI的模型开发、模型运行、模型部署提供端到端能力。MindSpore采用端-边-云按需协作分布式架构、微分原生编程新范式以及AI Native新执行模式，实现更好的资源效率、安全可信，同时降低行业AI开发门槛、释放昇腾芯片算力，助力普惠AI...
- EMA是什么 深度学习模型使用EMA更新介绍我们都知道，深度学习模型中权重的更新基本都是使用基于梯度的优化方法来更新的，但是也有一部分参数是使用特征的统计量来更新的，就比如BatchNormalization层。这里展示出PyTorch的源码，来自_BatchNorm基类。可以看到_BatchNorm层的Bn层也会基于一定的单层Batch特征进行一个特征统计，用来对self.running... EMA是什么 深度学习模型使用EMA更新介绍我们都知道，深度学习模型中权重的更新基本都是使用基于梯度的优化方法来更新的，但是也有一部分参数是使用特征的统计量来更新的，就比如BatchNormalization层。这里展示出PyTorch的源码，来自_BatchNorm基类。可以看到_BatchNorm层的Bn层也会基于一定的单层Batch特征进行一个特征统计，用来对self.running...
- 本文研究了昇思，这样的研究值得深思。 本文研究了昇思，这样的研究值得深思。
- 蓝军出击！ 蓝军出击！
- 可视化工具使用户能够跟踪实验指标，例如损失和准确性，可视化模型图等。可视化训练过程对于问题的发现和模型收敛效果的确定非常重要，从而优化得到较好的模型设计。 可视化工具使用户能够跟踪实验指标，例如损失和准确性，可视化模型图等。可视化训练过程对于问题的发现和模型收敛效果的确定非常重要，从而优化得到较好的模型设计。
- Windows 11预览版+WSL2+docker+nvidia-docker+MindSpore1.3.0 Windows 11预览版+WSL2+docker+nvidia-docker+MindSpore1.3.0
- 本文介绍了MindSpore 1.3的新特性——端侧训练（Java的编译和伪训练） 本文介绍了MindSpore 1.3的新特性——端侧训练（Java的编译和伪训练）
- 本文介绍了MindSpore 1.3的新特性——端侧训练。 本文介绍了MindSpore 1.3的新特性——端侧训练。
上滑加载中
推荐直播
-
基于开源鸿蒙+海思星闪开发板：嵌入式系统开发实战（Day1）2025/03/29 周六 09:00-18:00
华为开发者布道师
本次为期两天的课程将深入讲解OpenHarmony操作系统及其与星闪技术的结合应用，涵盖WS63E星闪开发板的详细介绍、“OpenHarmony+星闪”的创新实践、实验环境搭建以及编写首个“Hello World”程序等内容，旨在帮助学员全面掌握相关技术并进行实际操作
回顾中 -
基于开源鸿蒙+海思星闪开发板：嵌入式系统开发实战（Day2）2025/03/30 周日 09:00-12:00
华为开发者布道师
本次为期两天的课程将深入讲解OpenHarmony操作系统及其与星闪技术的结合应用，涵盖WS63E星闪开发板的详细介绍、“OpenHarmony+星闪”的创新实践、实验环境搭建以及编写首个“Hello World”程序等内容，旨在帮助学员全面掌握相关技术并进行实际操作
回顾中 -
从AI基础到昇腾：大模型初探、DeepSeek解析与昇腾入门2025/04/02 周三 16:00-17:30
不易 / 华为云学堂技术讲师
昇腾是华为研发的AI芯片，其具有哪些能力？我们如何基于其进行开发？本期直播将从AI以及大模型基础知识开始，介绍人工智能核心概念、昇腾AI基础软硬件平台以及昇腾专区，旨在为零基础或入门级学习者搭建从AI基础知识到昇腾技术的完整学习路径。
回顾中
热门标签