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
  • 解锁数据潜力:信息抽取、数据增强与UIE的完美融合

    模型训练 修改训练脚本 train.sh 里的对应参数, 开启模型训练: python train.py \ --pretrained_model "uer/t5-base-chinese-cluecorpussmall" \ --save_dir "checkpoints

    作者: 汀丶
    发表时间: 2023-08-17 11:18:20
    20
    0
  • 智能废水处理与监测的深度学习模型

    =42) # 训练模型 history = model.fit(X_train, y_train, epochs=50, batch_size=32, validation_data=(X_val, y_val)) 6.

    作者: Echo_Wish
    发表时间: 2024-10-30 08:15:08
    46
    0
  • 使用Python实现深度学习模型:智能城市噪音监测与控制

    # 训练模型 history = model.fit(X_train, y_train, epochs=50, batch_size=32, validation_data=(X_test, y_test)) # 绘制训练损失和验证损失曲线 import matplotlib.pyplot

    作者: Echo_Wish
    发表时间: 2024-10-28 09:14:38
    12
    0
  • 2020华为云人工智能创新应用大赛亚军--我要拿十万团队

    前言大家好,我们团队名称是我要拿十万,很高兴跟大家交流“华为云杯”2020人工智能创新应用大赛的比赛心得,我们团队的三个成员都来自西安交通大学。本文将从解题思路、数据处理、模型结构三个方面进行介绍。

    作者: 大赛资料包小助手
    261
    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
  • 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
  • DeepSeek带来的Deepshock,一次看懂DeepSeek

    DeepSeek 完全开源了模型权重,所遵循的 MIT License 开源协议极为宽松,允许其他开发者将模型用于商业用途并进行模型蒸馏,被Facebook首席人工智能科学家杨立昆誉为“开源模型对闭源模型的胜利”。

    作者: 华为云社区精选
    发表时间: 2025-02-08 17:38:02
    6
    0
  • 基于华为云深度学习服务平台实现手写数字图像识别

    下载路径为:http://data.mxnet.io/data/mnist/ 步骤 2 将数据分别上传至华为云 OBS 桶2.训练模型:接下来,要编写模型训练脚本代码(本案例中已编写好了训练脚本),并完成模型训练,操作步骤如下:步骤 1 下载模型训练脚本文件 train_mnist.py

    作者: f
    发表时间: 2019-01-17 18:53:35
    8483
    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
  • 《MXNet深度学习实战》—3.3 Module

    在fit()方法的输入参数中,train_data参数是训练数据,num_epoch参数是训练时整个训练集的迭代次数(也称epoch数量)。需要注意的是,将所有train_data过一遍模型才算完成一个epoch,因此这里设定为将这个训练集数据过5次模型才完成训练

    作者: 华章计算机
    发表时间: 2019-06-16 17:05:55
    3439
    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
  • 基于深度学习网络的烟雾检测算法matlab仿真

            4.部分核心程序 % 预处理训练数据 data = read(trainingData); In_layer_Size = [224 224 3]; % 估计锚框 pre_train_data = transform

    作者: 简简单单做算法
    发表时间: 2023-11-27 19:56:45
    27
    0
  • 【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
  • AI基础课程之常用框架工具汇总

    daisy:为给定图像密集地提取DAISY特征描述符canny:边缘使用canny算法过滤图像hog:提取给定图像的定向梯度直方图 其他操作util.img_as_float(image,force_copy=False):将图像转换为浮点格式util.img_as_int(image

    作者: 大鹏爱学习
    发表时间: 2022-10-17 10:15:12
    145
    0
  • 知识蒸馏相关技术【模型蒸馏、数据蒸馏】以ERNIE-Tiny为例

    在第三步开始student模型的训练,其训练数据放在 distill/chnsenticorp/student/train/ 中,part.0 为原监督数据 part.1 为 ERNIE 标注数据。

    作者: 汀丶
    发表时间: 2022-11-14 02:00:46
    354
    0
  • TokEnformer: RETHInkING TRANSFORMER ScALInG WITH ToKenized Model

    这一特性增强了模型的可解释性,有助于人工智能领域开发更透明、更易理解的模型。 6 结论 本文介绍了Tokenformer,这是一种自然可扩展的架构,利用注意力机制不仅促进了令牌间的计算,还促进了令牌与模型参数间的交互,从而增强了架构的灵活性。

    作者: AI浩
    发表时间: 2024-12-24 08:36:09
    263
    0
  • 《探秘Hiplot:AI如何为上千图表模板实现精准分类推荐》

    通过大量的历史数据训练,机器学习模型能够学习到不同数据特征和用户意图与图表模板之间的关联模式。这些历史数据包含了以往用户上传的数据、用户选择的图表模板以及用户对图表的满意度反馈等信息。 在训练过程中,模型会不断调整参数,以提高对图表模板推荐的准确性。

    作者: 程序员阿伟
    发表时间: 2025-02-01 20:06:08
    0
    0
  • 深入探索OCR技术:前沿算法与工业级部署方案揭秘

    更多优质内容请关注公号:汀丶人工智能;会提供一些相关的资源和优质文章,免费获取阅读。

    作者: 汀丶
    发表时间: 2023-08-28 15:47:20
    34
    0
  • caffe学习

    一般来说,我们需要将训练集中所有图片都跑一遍,再对网络的准确率进行测试,整个参数乘以网络data层(TRAIN)中batchSize参数应该等于训练集中图片总数量的倍数。即test_interval*batchSize=n*train_num(训练图片总数,n为正整数)。

    作者: 技术火炬手
    发表时间: 2019-02-18 09:28:35
    5188
    0