内容选择
全部
内容选择
内容分类
  • 学堂
  • 博客
  • 论坛
  • 开发服务
  • 开发工具
  • 直播
  • 视频
  • 用户
时间
  • 一周
  • 一个月
  • 三个月
  • 【CANN文档速递11期】带您了解昇腾模型压缩工具

    量化感知训练(Quantization-Aware Training,简称QAT) 在量化过程中,对模型进行训练的一种量化。

    作者: 昇腾CANN
    发表时间: 2022-09-08 07:06:24
    1638
    0
  • 玩转华为云 AI Gallery 之发布模型初体验—寻找你家乡的风土人情

    具体模型训练步骤请参考官方指导文档:使用AI Gallery的预置算法训练模型此步骤中的“数据准备”不需要在按照文档中的示例进行操作,可以直接使用前面已发布的数据集,详见:从AI Gallery下载数据集六、共享家乡风土人情分类AI模型至AI Gallery模型训练部署完成后,我们就可以将该模型发布

    作者: HWCloudAI
    9257
    15
  • ModelArts 2020.06.05 Release Notes:华为昇腾芯片加持的普惠AI开发平台

    * PyCharm ToolKit 2.0:支持训练使用专属资源池、多训练作业提交、文件上传,下载能力、支持pycharm2019.2及以上 * AI市场新增对算法发布、订阅的支持 * 昇腾芯片新增多个算法:提供支持“物体检测”、“图像分类”、“文本分类”3种场景的多个预置算法(昇腾

    作者: Hi,EI
    6681
    3
  • MindSpore实现ResNet50详解(附单机+集群代码)

    1596157091791031680.pngCV作为人工智能的最重要的应用之一,极大的提高了生产场景中的效率以及智能化程度。通过使用MindSpore可以很方便、高效地完成CV典型应用的构建、训练、验证、部署等过程。

    作者: kourei
    发表时间: 2020-07-31 08:58:39
    10332
    0
  • 声音驱动虚拟形象嘴型变化

    原理:LipSync会根据实时语音内容识别出15个英文发音(sil,PP,FF,TH,DD,kk,CH,SS,nn,RR,aa,E,ih,oh,ou),并对其对应的面部BlendShape赋值,驱动嘴型变化。不过需要注意的是该插件是根据英文语音识别的,对中文语音支持稍差。

    作者: NZY小叶子
    5270
    0
  • FEAD:fNIRS-EEG情感数据库(视频刺激)

    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 创建并训练逻辑回归模型 model = LogisticRegression(max_iter

    作者: 鱼弦
    发表时间: 2024-09-23 09:39:55
    68
    0
  • 构建智能应用的利器——ModelArts的场景优势及实战经验分享【玩转华为云】

    简介 点击并拖拽以移动 ModelArts是华为云推出的一款人工智能开发平台,旨在为开发者提供简单、高效、全面的AI开发解决方案。它集成了丰富的功能和工具,帮助开发者更轻松地进行模型训练、部署和管理。

    作者: 皮牙子抓饭
    发表时间: 2023-08-15 14:41:15
    21
    0
  • 学习笔记|文字识别之cnocr(一)

    pip install cnocr 开源贡献者提供了预训练模型,我们将对预训练模型的效果进行一些验证。

    作者: darkpard
    发表时间: 2021-08-03 13:58:49
    4280
    0
  • MobileNet实战:tensorflow2.X版本,MobileNetV1图像分类任务(小数据集)

    6、如何加载预训练模型。 训练 1、Mixup mixup是一种非常规的数据增强方法,一个和数据无关的简单数据增强原则,其以线性插值的方式来构建新的训练样本和标签。最终对标签的处理如下公式所示,这很简单但对于增强策略来说又很不一般。

    作者: AI浩
    发表时间: 2022-03-06 02:22:32
    1638
    0
  • 【转载】MindSpore大V博文之应用系列(三)MindSpore端侧手机应用实战:AI垃圾分类应用

    --pretrain_ckpt:迁移训练或调优时,需要传入的预训练模型文件。--freeze_layer:冻结网络层,输入“none"、"backbone"其中一个。

    作者: chengxiaoli
    1708
    0
  • Python基础算法解析:随机森林

    =100, random_state=42) # 训练模型 rf_model.fit(X_train, y_train) # 预测 y_pred = rf_model.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test

    作者: Echo_Wish
    发表时间: 2024-03-19 08:53:44
    10
    0
  • 【B站Up主麦叔编程】大话深度学习—利用ModelArts零代码实现图像分类神经网络

    桶创建完后,我们在桶里新建几个文件夹目录结构如下,train用来放我们的训练数据,out用来放我们的训练结果maishu└── food-img    ├── out    └── train3.

    作者: 麦叔
    发表时间: 2020-07-08 14:39:28
    10164
    0
  • 联邦学习中的分布式深度学习模型并行计算优化

    if __name__ == "__main__": main() 4.4 代码解释 模型定义(model.py):定义一个简单的卷积神经网络,用于图像分类任务。 客户端代码(client.py):定义客户端类,包含本地训练和获取/设置模型参数的方法。

    作者: Y-StarryDreamer
    发表时间: 2024-06-12 14:56:33
    71
    0
  • 【上电即上华为云】(视频演示)云弹幕、LittlevGL、RISC-V架构WiFi芯片、LCD显示屏

    、RISC-V架构WiFi芯片、LCD显示屏融合案例 https://bbs.huaweicloud.com/blogs/259858 【上电即上华为云】华为云smart语音识别_AI_Voice_wifi_RISC-V_LCD_ST7789 https://bbs.huaweicloud.com

    作者: zhensu
    发表时间: 2021-04-26 02:00:58
    2791
    0
  • Stacking集成学习挑战天池新人赛【工业蒸汽量预测 】(1) 数据预处理

    通常的思路是先训练多个不同的初级学习模型,采用交叉验证的方式,用训练初级学习模型未使用的样本来产生次级学习模型的训练样本(即之前训练的各个模型的输出做为次级模型的输入)来训练一个模型,以得到最终的输出。下面以预测工业蒸汽量为目标展示stacking在python中的简单实现。

    作者: 地上一只鹅~
    发表时间: 2018-12-23 14:42:24
    3893
    0
  • [参赛经验分享]华为云无人车大赛,AI赋能全解析-实力季军分享

    参赛队员需要结合华为云人工智能平台(华为云ModelArts一站式AI开发与管理平台、HiLens端云协同AI开发应用平台)以及ROS操作系统对小车进行开发。

    作者: 小番茄11
    194
    0
  • 应用迭代-基于数据的应用迭代优化“ModelArts人工智能应用开发指南” 学习笔记

    1,简单重训练在实际业务场景中,应用维护是一个长期的过程,伴随着不断的数据采集和模型重复训练。如,按每周,每月进行重训练,或累计数据到一定数量时进行定期的重训练。另外,针对一些对时间比较敏感的场景,可以对新数据做一些加权。

    作者: QGS
    3169
    4
  • 前端API会议

    HWH5.startMeetingHWH5.openMeetingHWH5.startMeeting支持版本>=10.0.5发起视频和语音会议扫码体验:请求参数参数类型必填说明isVideoNumber是0 表示语音会议 1 表示视频会议contactsString是数据类型为json

    作者: 云会议运营喵大人
    发表时间: 2020-02-14 18:28:27
    3127
    0
  • 使用华为云自动学习平台进行垃圾分类

    总结 华为云ModelArts的自动学习平台,精炼了AI模型开发训练流程,极大地方便了个人开发者进行模型的开发、训练、部署和测试。对于AI初学者来说,也是非常优秀的教学实践平台。

    作者: yd_249117356
    发表时间: 2023-12-07 11:37:46
    0
    0
  • 【9月07日 AI 快讯】74KB图片也高清,谷歌用神经网络打造图像压缩新算法;泡沫过后,沉淀下来的AI芯片将落在何处?

    例如,摘要模型通常经过训练以预测人类参考摘要并使用 ROUGE 进行评估,但是这两个指标都是真正的摘要质量的粗略代理。在 OpenAI 的一项工作中,表明可以通过训练一个模型来优化人类的偏好,从而显着提高摘要质量。

    作者: HWCloudAI
    4465
    1