已找到以下 10000 条记录
  • 【乘风破浪开发者】华为云开发者华为云MVP赵筱磊:模型艺术,艺术产品

    上它也经历了多次潮起潮落。技术进步也在不断地推动它进化,直到阿尔法狗击败李世石那一刻起,一下子它就吸引了所有人注意力。大家都认为一个属于人工智能全新时代即将开启,很快它就会在全社会中普及。其实在技术底层是海量数据给一直困扰人工智能发展难题提供了解决办法,智能问题被

    作者: chaoscraft
    发表时间: 2020-10-20 11:37:30
    4143
    0
  • AI论文精读会:关系抽取模型LSTM-LSTM-Bias解析与复现

    华为云AI论文精读会2021邀请计算机视觉、迁移学习、自然语言处理等领域专家学者基于华为云ModelArts解读经典论文算法,让更多人来低门槛使用经典算法。本期由来自复旦大学梁家卿,从论文概览、算法模型剖析、代码复现三个方面带领大家解读《Joint Extraction of Entities and Relations

  • 【万字干货】OpenMetric与时序数据库存储模型分析(下)

    Tree)引擎。其思想类似LSM,针对时序数据特性做了一些特殊优化。TSM设计目标一是解决LevelDB文件句柄过多问题,二是解决BoltDB写入性能问题。 Cache: TSMCache与LSMMemoryTable类似,其内部数据为WAL中未持久化到TSM File数据。若进程故障fa

    作者: 华为云PaaS服务小智
    发表时间: 2021-09-11 08:13:40
    5588
    0
  • 【论文翻译】Deep larning for data-driven Earth system science

    免,比如简单插值、抽样或其他数据偏差风险,对混淆因素无知,作为因果关系统计关联解释,或多假设测试基本缺陷。从根本上说,目前应用机器学习方法存在固有的局限性。深度学习在这方面需要进行突破。经典机器学习方法提取特定领域、手工制作特征,以解释时间或空间依赖关系(例

    作者: wonderwall
    发表时间: 2020-09-22 19:46:06
    5877
    0
  • 【Atlas 300I 3010产品】【ATC int8模型编译功能】怎么编译量化生成INT8 om模型

    【功能模块】ATC int8 om 模型编译【操作步骤&问题现象】1、本人通过ATC 工具能够编译生成fp16模型,但是性能不能达到我预期,所以想生成in8 om 做推理。2、但是查询ATC help 发现仅支持fp16 等,如图,所以离线编译int8 om模型 应该怎么做?  求助!!

    作者: Himer
    836
    1
  • Llama 3.2-Vision基于DevServer适配Pytorch NPU训练微调指导(6.3.911) - AI开发平台ModelArts

    2-Vision-11B模型训练过程,包括finetune full训练和LoRA训练。 约束限制 本方案目前仅适用于企业客户。 本文档适配昇腾云ModelArts 6.3.911版本,请参考获取配套版本软件包和镜像,请严格遵照版本配套关系使用本文档。 本文档中模型运行环境是ModelArts

  • 大批量数据 caffemodel转int8模型

    我们目前量化ssd 512caffemodel 转int8模型时利用内置转换功能用两张图片进行模型转换需要十多分钟用五张图片进行模型转换需要一个小时以上量化50张图片说数量太多不支持如果我们想对大批量数据(例如5000张图片数据)进行模型量化,有没有相关代码或类似实现?

    作者: sue666
    5783
    2
  • AI专家一席谈:复用算法、模型、案例,AI Gallery带你快速上手应用开发

    提供了数据分享机制,有很多开发者已经共享了开源标准场景数据集,来供大家在ModelArts上快速地验证自己想法。 算法方面,开发者首要考量是算法最后产生模型是不是自己想要,以及算法在训练时输入数据格式,训练所需开销、运行算法环境等等。 模型方面,先要明确应用开

    作者: 华为云社区精选
    发表时间: 2021-09-26 02:25:55
    5660
    0
  • PyTorch自动混合精度(AMP)

    tocast兼容性: (1)接受多个浮点张量输入 (2)封装任何可自动转换op (3)需要特定 dtype(例如,如果它包装了仅为 dtype 编译 CUDA 扩展)。   这种情况下,如果你导入了这些函数,并且无法更改它定义,安全后备方法是在发生错误任何使用点,

    作者: 德鲁瓦
    发表时间: 2022-04-15 02:24:39
    852
    0
  • 查询生命周期模板 - 工业数字模型驱动引擎

    查询生命周期模板 操作场景 当您需要查询某些生命周期模板时,您可以通过工业数字模型驱动引擎-数据建模引擎(xDM Foundation,简称xDM-F)提供查询生命周期模板功能进行查询。查询条件包含编码、英文名称、中文名称、状态、模板分类等。 前提条件 已登录应用运行态。 操作步骤

  • 【Atlas200DK】【多模型部署功能】Atlas200DK最多能够同时部署几个模型

    【多模型部署】您好,请问Atlas200DK一次最多能同时部署几个模型?看产品规格只有2个AI Core,是指最多同时部署两个模型

    作者: YCF@Wuhan
    860
    5
  • 【AI理论】7 papers | 对抗样本前,BERT也不行;AutoML商业实践综述

    训练这四个任务模型可以压缩三倍,且性能和单独训练每个任务模型一致。研究人员也发现,预训练这个模型可以支持在未见任务中学习。这些都说明了使用 Transformer OmniNet 性能表现。OmniNet 架构。推荐:如何理解和构建适应多任务多模态数据统一人工神经网

    作者: HWCloudAI
    发表时间: 2019-08-03 21:42:23
    5220
    0
  • ModelZoo里面的YOLOv5算法,训练出模型支持CPU、Ascend310推理吗?

    d6221a939a31747d/12. 训练出模型列表3. 问题:a. 这个模型怎么推理用啊?一张一张推理,看到gitee里只有eval,没有infer,有例子吗?b. 模型可以在CPU、Ascend310上推理吗?c. 模型可以部署到CPU、Ascend310上吗?

    作者: Andy546
    98
    5
  • 图片类加工算子能力清单 - 盘古大模型 PanguLargeModels

    过滤文本长度不在“文本长度范围”内图文对。一个中文汉字或一个英文字母,文本长度均计数为1。 图文文本语言过滤 通过语种识别模型得到图文对文本语种类型,“待保留语种”之外图文对数据将被过滤。 图文去重 基于结构化图片去重 判断相同文本对应不同图片数据是否超过阈值,如果超过则去重。

  • 防止过拟合(一):正则化

    正则化正是通过在损失函数上添加额外参数稀疏性惩罚项(正则项),来限制网络稀疏性,以此约束网络实际容量,从而防止模型出现过拟合。 因此,对模型参数添加稀疏性惩罚项后,我们目标损失函数就变为: 式子中第一项为原始损失函数,第二项是对网络参数稀疏性约束函数,也就是正则项。

    作者: AI 菌
    发表时间: 2021-08-04 17:15:18
    1091
    0
  • 【Atlas 200DK产品】如何进一步减小模型推理时间?

    我目前用是https://github.com/YunYang1994/tensorflow-yolov3模型,转成om是fp32然后在开发板上时间如下:读取图片+padding+resize :0.017s模型推理:0.06s后处理(nms等):0.01s大部分时间都在

    作者: HH131
    929
    2
  • 自然语言处理--预训练语言模型压缩和加速

    基于知识蒸馏预训练语言模型压缩,另一类是基于剪枝预训练语言模型压缩,还有一类是基于量化预训练语言模型压缩。基于剪枝预训练语言模型压缩,就是基于一定准则,去除掉参数矩阵冗余部分。比如在神经网络模型中,我们可以去掉一些冗余神经元节点,和神经元连接,使得模型变小一点。基于

    作者: 黄生
    938
    2
  • 模型评估和调优《ModelArts人工智能应用开发指南》学习分享,今天你读书了吗?

    主要是从数据特征入手,好特征工程决定预测结果上限。主要调整模型超参数,例如学习速率等,可以使用网络搜索方法,或者修改模型结构。过拟合寻找更多数据 增大正则项强度,减小模型结构复杂度,减少特征个数(不推荐)欠拟合,减小正则项系数,找更多特征,寻找更多数据,

    作者: QGS
    721
    1
  • 为CCE Turbo集群配置默认容器子网 - 云容器引擎 CCE

    CIDR)”中取消选择需要删除容器子网,单击“确定”。 删除容器子网属高危操作,请确保当前集群中没有已经使用待删除子网网卡,包含Pod正在使用和集群预热网卡。 您可以复制需要删除子网ID,在弹性网卡页面的“弹性网卡”和“辅助弹性网卡”列表中,通过子网ID进行筛选,如果筛选出网卡“名称”或

  • 什么是人工智能领域深度学习?

    得了显著性能提升。 以下是几个深度学习在实际应用中例子: 计算机视觉 计算机视觉是深度学习一个重要应用领域,涵盖了图像识别、目标检测和跟踪等多个子领域。例如,深度学习在图像识别任务中表现已经超过了人类水平,谷歌Inception模型和FacebookResN

    作者: Jerry Wang
    发表时间: 2023-05-10 10:15:44
    39
    0