【200DK】【npu-smi】如何在200DK中的docker中将npu挂载

希望在200DK的docker内，使用npu-smi info 查看npu信息。请问在docker运行前如何挂载？效果如图：希望尽快解决。

《深度学习应用开发》学习笔记-31

com/data/forums/attachment/forum/202108/04/105156dxvyfdoaeoob1d2w.png) ```python #插播学习一下reshape,总体顺序还是不变，但切分点变了 import numpy as np int_array=np.array([i for

python3 -c "import torch;import torch_npu; a = torch.randn(3, 4).npu(); print(a + a);" 报错

安装了910b的cann，RC2，安装了torch2.3.1和torch_npu2.3.1，python3.10.15，一直报错python3 -c "import torch;import torch_npu; a = torch.randn(3, 4).npu(); print(a + a);" 报错  [W

《深度学习应用开发》学习笔记－12

数据不是收集的，是自己生成的，好吧~一个简单的例子学习用的没关系%matplotlib inline这个是为了让在jupyter在浏览器里能够显示图像。生成y=2x+1的随机数据，数据加背景噪声限值0.4生成等差数列,100个x_data=np.linspace(-1,1,100)y_data=2*x_data+1

训练环境安装报错cannot import name 'npu_bridge_handle' from 'npu_bridge.

infrom npu_bridge.estimator.npu.npu_config import NPURunConfigFile "/usr/local/Ascend/tfplugin/latest/tfplugin/python/site-packages/npu_bridge/init

k8s学习-深入理解Pod对象

Pod是最小的部署单元，也是后面经常配置的地方，本章节带你熟悉Pod中常见资源配置及参数。 也就是YAML这部分： ... template: metadata: labels: app: web spec: containers: - image: lizh

《深度学习应用开发》学习笔记－09

0那一节开始看起，环境呢就不用自己搭建了，直接用modelarts里的开发环境Notebook里的jupyterLab，免费使用只是每小时会停止一下，对于学习来说没有关系。基本概念，tensorflow=tensor张量 + flow 流张量具体是啥意思之前不是很明白，只知道张力的概念，比如在亚

昇腾学院 | 案例分享 Atlas 800 3000 npu-smi工具无法识别问题

问题现象描述问题现象：在C30B896版本，安装完驱动后，使用npu-smi工具查询芯片，出现文件找不到情况，如下图：根本原因分析1、/lib64/目录下缺少npu-smi工具所依赖的动态链接库。结论、解决方案及效果结论：1、 如果执行npu-smi工具，提示“No such file or

请问如何安装npu-smi命令

背景：我们有一套蓝区1910 EVB环境，入门的安装，比如 如何安装npu-smi命令？以及如何安装升腾芯片环境？非常感谢你们能够回答下问题，嘿嘿~

《深度学习应用开发》学习笔记-26

训练模型跑出来了后，要使用，但是我们没有数据了，因为数据都拿去训练了。 所以课程中，随机挑了一条训练数据来应用到模型里来使用。 这样是不好的，因为就像学习训练时将考试题都让你做过一遍，再让你考试就不公平了，类似于作弊了。 应该是考你运用学到的知识，来做没做过的题。 那比较好的做法呢，是有一些数据，把这些数据分一分，

mindspore npu 多卡训练自定义数据集如何给不同npu传递不同数据

mindspore npu 多卡训练自定义数据集如何给不同npu传递不同数据?是在ds.GeneratorDataset传递num_shards=num_shards, shard_id=device_id还是自定义数据集__getitem__里面用rank id取不同数据?

机器学习与深度学习的比较

虽然，当数据很小时，深度学习算法表现不佳。这就是是深度学习算法需要大量数据才能完美理解的原因。但是，在这种情况下，我们可以看到算法的使用以及他们手工制作的规则。上图总结了这一事实。硬件依赖通常，深度学习依赖于高端机器，而传统学习依赖于低端机器。因此，深度学习要求包括GPU。这是它

《深度学习应用开发》学习笔记-24

上一节训练不出结果，都是nan的原因找到了，就是因为特征数据没有做归一化，那归一化是个什么概念呢？这里有一个很好的例子，做一道菜，准备好材料鸭、笋、....盐、酱油...水，再加上烹饪火候，可以做出一道菜。上面做菜的每一个要素，都可以看做一个特征变量，而重量可以看做是特征变量的值，比如鸭肉xxg

《深度学习应用开发》学习笔记－04

在1904年的时候，生物学家了解了神经元的结构然后在1945年的时候发明了神经元模型。那么这个神经元的模型真的可以模拟生物的神经功能吗，个人觉得有点奇妙，不过动物植物本来都是很奇妙的存在。所谓的全连接层，就是说某层的一个节点，和他上一层的所有节点都有连接。就像连接的边长不同，每条

【转载】传统机器学习与深度学习

《深度学习应用开发》学习笔记-32

这里谈到了独热编码one-hot，独热编码是用来表示标签数据的。前面已经知道了，标签数据很简单，就是表示0-9范围内的一个数字。 说实话独热编码有什么用处，真的还没有理解。还有什么欧式空间的概念啊，都很陌生。 看看代码吧。 ```python #独热编码示例。 x=[3,4] tf

《深度学习应用开发》学习笔记-27

可视化还是比较重要的，因为数据能在图形上看到，会更直观，更符合人的认知思维。 这里先来展示一下loss的可视化。 用matplot将列表值画出来，调用非常简单 plt.plot(loss_list) 横坐标是列表中的索引，纵坐标是列表值，也就是loss值。 可以看到，曲线在收敛了

《深度学习应用开发》学习笔记－02

难易程度也可以看出，围棋是最强调系统性思维的，所以 AI想要战胜人类也是最难的。第一讲到这里就结束了，第二讲看了一点，其中关于人工智能机器学习概念，除了公式的定义之外，用类比的方法讲的非常的简单易懂

深度学习随机取样、学习率

4-8096个样本。学习率从梯度下降算法的角度来说，通过选择合适的学习率，可以使梯度下降法得到更好的性能。学习率，即参数到达最优值过程的速度快慢，当你学习率过大，即下降的快，很容易在某一步跨过最优值，当你学习率过小时，长时间无法收敛。因此，学习率直接决定着学习算法的性能表现。可