【2023 · CANN训练营第一季】AscendCL模型加载与执行流程

AscendCL模型加载与执行流程 模型加载流程-使用不同的模型加载接口 模型加载流程-使用同一个模型加载接口 关键接口的说明如下： 在模型加载前，需要先构建出适配昇腾AI处理器的离线模型（*.om文件），构建方式请参见模型构建 。 当由用户管理内存时，为确保内存不浪费，在申请

Python基础认知学习课件

Python基础教程认知学习课件 http://www.runoob.com/python/python-tutorial.html

疫情期间佩戴口罩检测之训练检测口罩模型算法实现口罩检测步骤以及报错解决

训练检测口罩模型 下载项目 https://github.com/Megvii-BaseDetection/YOLOX 打开项目 安装环境 pip install -r requirements.txt 如果报错 pip install -c esri pycocotools

学习笔记：区块链常见三大误区

本帖最后由 云飞杨 于 2018-3-22 19:25 编辑 <br /> <b>误区一：将比特币等同于区块链完整概念</b> 数字货币全球有1334种，区块链的技术从比特币的应用中衍生而来，但目前比特币和区块链已经俨然成为了两个不太相关的技术 <b>误区二：区块链耗能严重无法商用</b>

5G移动通信标准学习笔记

一、NR相比LTE的增强演进NR支持更大系统带宽LTE标准定义单载波带宽最大为20MHz，如果超过该范围，需要通过多载波聚合方式来支持。而目前，NR定义低于6GHz频谱的最大载波带宽为100MHz，毫米波频谱的最大载波带宽为400MHz。NR支持更高的频谱LTE支持的频谱范围主要

【暑期Flag】每天到华为云社区学习

社区里好多课程，多学一些

学习笔记 - 可解释人工智能（XAI）

论文《Question-Driven Design Process for Explainable AI User Experiences》探讨了AI的可解释性技术的落地方案，其概述如下：AI系统的一个普遍设计问题是它们的可解释性——如何提供适当的信息来帮助用户理解AI。可解释人

LiteOS学习5——华为LiteOS相关术语解释二

华为云IoT华为云IoT是面向运营商和企业/行业领域的统一开放云平台，支持SIM和非SIM场景的各种联接和联接管理，是华为公司面向IoT解决方案的关键平台部件。主要分为连接管理平台，设备管理平台和应用使能平台等多个部分，负责联通端侧设备与北向应用的核心产品。可以支撑千万级的海量物联网连接。RESTful

学习华为云普惠AI的心得

课程学完了，真的很不错，学到了很多之前不会的知识和之前半知半解的知识点，现在基本都懂了，很感谢版主分享了课程，让我收获颇丰，非常感谢！

【转载】无监督学习-K-means

机器学习中的偏差和方差怎么理解呢？

如题哈，就是这个偏差和方差概念混淆，总分不清，希望好心人指点下。

CSS-IN-JS 学习笔记

CSS-IN-JS 学习笔记 文章出处： 拉 勾 大前端 高薪训练营 集成 CSS 代码在 JS 文件 1. 为什么会有 CSS-IN-JS

【Atlas200DK】【Fasterrcnn模型修改功能】使用自己训练的fasterrcnn模型需要修改例子代码哪些部分

【功能模块】使用自己训练的fasterrcnn模型需要修改例子代码哪些部分。如类别数，anchors个数等。如果是使用fasterrcnn-resnet101而不是fasterrcnn-vgg，需要做哪些代码的修改？【操作步骤&问题现象】1、2、【截图信息】【日志信息】（可选，上传日志内容或者附件）

【Datawhale可解释性机器学习笔记】CAM

&rdquo; Explaining the Predictions of Any Classifier》中介绍的局部可解释性模型算法。该算法主要是用在文本类与图像类的模型中。 论文地址[Why Should I Trust You?&rdquo; Explaining the Predictions

分享使用MindSpore构建LeNet-5模型实现分类任务体验（1）

5实验总体设计：环境导入数据集展示数据集载入预处理构建LeNet5模型训练模型设置mindspore环境设计损失函数与优化器设置callback函数模型训练测试网络模型模型优化改善网络重新训练与测试预测效果可视化实验目的：加强对基于Mindspore的神经网络模型构建流程的理解掌握如何用Mindspore

docker学习笔记（一）

[root@iZ2zefiis08efdip3nlhu2Z ~]# docker pull mysql Using default tag: latest #如果不写tag，默认就是latest latest: Pulling from library/mysql ffbb094f4f9e: Pull complete

Effective C++学习笔记

类中含有引用的成员变量类中含有const的成员变量类的基类中的拷贝赋值运算符是私有成员函数 条款06：若不想使用编译器自动生成的函数，就应该明确拒绝 当我们不希望编译器帮我们生成相应的成员函数的时候，我们可以将其声明为private并且不予以实现 条款07：为多态基类声明virtual析构函数

四大经典案例_阻塞队列_生产者消费者模型及java代码实现

华为云云享专家 bbs.huaweicloud.com/bug… 本节要点 了解一些线程安全的案例 学习线程安全的设计模型 掌握单例模式,阻塞队列,生产在消费者模型 阻塞队列 什么是阻塞队列? 顾名思义是队列的一种! 也符合先进先出的特点! 阻塞队列特点: 当队列为空时

人工智能大语言模型微调技术：SFT 监督微调、LoRA 微调方法、P-tuning v2 微调方法、Freeze 监督微调方法

络模型，即源模型。然后创建一个新的神经网络模型，即目标模型。目标模型复制了源模型上除了输出层外的所有模型设计及其参数。这些模型参数包含了源数据集上学习到的知识，且这些知识同样适用于目标数据集。源模型的输出层与源数据集的标签紧密相关，因此在目标模型中不予采用。微调时，为目标模型添加

深度学习应用篇-计算机视觉-语义分割综述[5]：FCN、SegNet、Deeplab等分割算法、常用二维三维半立体数据集汇总

驱动的深度学习模型。我们从深度学习的角度出发，细数一下基于深度学习的分割模型发展历程，如表1所示。另外，根据模型的创新方向不同，图3形象化的展示了表1所提及的方法的分类。 ​ 我们将按照分割方法的发展路线，选取一些经典的方法对其进行介绍。感兴趣的朋友可以按照分类学习对应改进方向的方法。