华为云学习笔记（一）

学习笔记 - NLP之工具spaCy

spaCy是具有工业级强度的Python NLP工具包，支持多种自然语言处理基本功能，被称为最快的工业级自然语言处理工具。它支持多种自然语言处理的基本功能，主要功能包括分词、词性标注、词干化、命名实体识别、名词短语提取等。目前spaCy v3.0正式发布，这是一次重大更新。spaCy

硬件基础：电阻作用及产品应用

一般0402以下的尺寸，电阻没有丝印。 如果是精度5%的，丝印就是3个字码表示，前两位表示阻值，最后一位表示10的乘幂。 如果是精度1%的，丝印是4个字码表示，前三位表示阻值，最后一位表示10的乘幂。   电阻制造会有误差，1%比5%精度要高，精度越高电阻值误差越小，一般都用5%，除非是采样电阻，比如采集电压这种。

ModelArts自动学习功能介绍

自动学习功能介绍ModelArts自动学习是帮助人们实现AI应用的低门槛、高灵活、零代码的定制化模型开发工具。自动学习功能根据标注数据自动设计模型、自动调参、自动训练、自动压缩和部署模型。开发者无需专业的开发基础和编码能力，只需上传数据，通过自动学习界面引导和简单操作即可完成模型

【AI实战营】第八章语音识别延伸学习材料

ance发布了首个消费级产品Dragon Dictate。到了21世纪，随着深度学习的不断发展，神经网络之父Hinton提出深度置信网络（ DBN ）2009年， Hinton和学生Mohamed将深度神经网络应用于语音识别，在小词汇量连续语音识别任务TIMIT上获得成功。1.3

【Datawhale可解释性机器学习笔记】CAM

上看到 A 相对 B 提取更多所需的特征(高亮区域更集中在目标附近)，那么我们判断模型 A 更好一些。2. 利用可视化的信息引导网络更好的学习。例如可利用 CAM 信息通过"擦除"或"裁剪"的方式对数据进行增强。3. 利用 CAM 作为原始的种子，进行弱监督语义分割或弱监督定位。由于

讲解pytorch dataloader num_workers参数设置导致训练阻塞

um_workers参数控制并行加载数据的程度。 在训练深度学习模型时，通常需要加载大量的数据样本。数据加载是整个训练过程中的一个关键环节，并且通常是计算密集型的操作。通过并行加载数据，我们可以充分利用多核CPU或多个GPU的计算能力，加快数据加载速度，从而提高训练效率。 num

无监督学习主要分类

无监督学习主要分为两类，一类是确定型的自编码方法及其改进算法，其目标主要是能够从抽象后的数据中尽量无损地恢复原有数据，一类是概率型的受限波尔兹曼机及其改进算法，其目标主要是使受限玻尔兹曼机达到稳定状态时原数据出现的概率最大。确定型无监督学习确定型无监督学习主要有自编码及稀疏自编码

零经验，玩转ModelArts自动学习

ModelArts自动学习ModelArts自动学习能力，可根据用户标注数据全自动进行模型设计、参数调优、模型训练、模型压缩和模型部署全流程。无需任何代码编写和模型开发经验，即可利用ModelArts构建AI模型应用在实际业务中。零编码，零AI基础，三步构建AI模型ModelAr

分享2个学习git的网站

摘要：git在我们的项目开发中有很大的作用，可以为我们的项目提供分布式管理，所以学习好git特别重要，我在这里给大家分享2个学习git的网站。Pro Git这是一本开源的Git图书，由Scott Chacon和Ben Straub编写，并且有中文译本，非常详细的写了git软件的各

OCR数据集的准备

简单的对于精度要求不高的OCR任务，数据集需要准备多少张呢？1）训练数据的数量和需要解决问题的复杂度有关系。难度越大，精度要求越高，则数据集需求越大，而且一般情况实际中的训练数据越多效果越好。（2）对于精度要求不高的场景，检测任务和识别任务需要的数据量是不一样的。对于检测任务，5

【打卡贴】开发者青年班ModelArts 动手实践 AI 开发实践课（图像目标检测课程＋实践）

2ea8808b57b【打卡说明】完成任务后在此帖下方按要求回复打卡内容输入个人华为云账号课程学习进度截图两个实践完成截图以上三个内容缺一不可哦~【打卡示例】课程学习后，在评论区上传学习进度截图，截图内包含华为云账号示意图：实践完成后，在评论区上传实践截图，如下：注：图片需要截图

如何使用机器学习服务？

MLS基本使用流程</b></align> <align=left> </align><align=left> 用户通过访问机器学习服务控制台，可以创建并管理机器学习服务实例，在机器学习服务实例可视化管理界面，创建并管理项目，在项目中创建并编辑工作流，进行数据分析业务。</align> <align=center>12883

自监督学习为什么需要？

为什么要进行自监督学习? 一个常见的回答是:“因为数据标签是昂贵的。”在这次报告中，我将会提出，进行自监督学习还有其他的，也许是更根本的原因。首先，它应该允许我们摆脱自上而下的语义分类的暴力方法，迫使有意义的关联以一种自底向上的方式从原始传感器数据中自然地出现。其次，它应该允许我

DevRun Live中听到 企业级知识计算平台&强化学习的落地实践的直播感受

第二个主题就是-强化学习的落地实践 深度学习+强化学习 =? 通用人工智能学习效率低 -> 课程学习、提升有效的合作信号 -> 邻域认知一致性和动作语义网络 (网络大脑场景 落地)行为多样化生成 -> 演化强化学习(自动驾驶场景落地)未来挑战 -> 强化学习从虚拟场景到物理场景的迁移落地

人工智能学习—方法论

        关于学习一门新技能或新知识，学习方法很重要，好的学习方法可以少走弯路。首先，学习前需要先明确两个问题：是什么？怎么学？这两个问题概括说就是：学习目标与学习计划。学习目标比较清楚，就是踏入AI领域这个门，可以从事AI相关工作。学习计划就是对学习内容及过程的设计与执行

关于在昇腾众智项目中提交了5个模型这件事

现，有很多om精度不达标的问题，都出在tofile()导出的时候，没有给定数据格式。如果数据精度和tofile()默认保存的精度不一样，那么喂给om之后得到的结果肯定也是错的。在tofile()的方法中就要指定好数据精度，在pb转om的过程中，要保证输入数据的精度和tofile()时的精度一致。

MindSpore学习笔记3———自动微分(Automatic Differentiation)

self.grad_wrt_output可以记作如下形式 如果你有一个机器学习的问题，这个问题有多个特征，如果你能保证不同特征的取值范围在一个相近的范围内，这样你的梯度下降法就能更快的收敛。具体地说，还是拿房价预测的例子，假设有两个特征x1是房屋的面积大小，它的取值范围在0-20

遥感成像技术及智能解译难点

行器姿态、高度、地形等因素造成的几何形变。1603801833004012806.png地理坐标精校正：基于地图和控制点做地理精校正。需要精度高的底图和控制点数据。正射校正：对影像同时进行倾斜改正和投影差改正，将影像重采样成正射影像。需要高程数据。融合镶嵌匀色：融合是指将不同卫星

突破传统，AI在加速“孵化”你的数字人