已找到以下 10000 条记录

AI平台ModelArts

ModelArts是面向开发者的一站式AI开发平台,为机器学习与深度学习提供海量数据预处理及半自动化标注、大规模分布式Training、自动化模型生成,及端-边-云模型按需部署能力,帮助用户快速创建和部署模型,管理全周期AI工作流。
AI平台ModelArts
ModelArts是面向开发者的一站式AI开发平台,为机器学习与深度学习提供海量数据预处理及半自动化标注、大规模分布式Training、自动化模型生成,及端-边-云模型按需部署能力,帮助用户快速创建和部署模型,管理全周期AI工作流。
  • 深度学习计算服务平台

    智能制造 视频应用 政府行业 算法模型 AI解决方案/集成服务

    深度学习计算服务平台是中科弘云面向有定制化AI需求的行业用户,推出的AI开发平台,提供从样本标注、模型训练、模型部署的一站式AI开发能力,帮助用户快速训练和部署模型,管理全周期AI工作流。平台为开发者设计了众多可帮助降低开发成本的开发工具与框架,例如AI数据集、AI模型与算力等。

    商家: 中科弘云科技(北京)有限公司 交付方式: License
    ¥40000.0/个

    深度学习计算服务平台是中科弘云面向有定制化AI需求的行业用户,推出的AI开发平台,提供从样本标注、模型训练、模型部署的一站式AI开发能力,帮助用户快速训练和部署模型,管理全周期AI工作流。平台为开发者设计了众多可帮助降低开发成本的开发工具与框架,例如AI数据集、AI模型与算力等。

    智能制造 视频应用 政府行业 算法模型 AI解决方案/集成服务
    ¥40000.0/个
  • 深度学习模型优化

    项目实习生 深度学习模型优化 深度学习模型优化 领域方向:人工智能 工作地点: 深圳 深度学习模型优化 人工智能 深圳 项目简介 为AI类应用深度学习模型研发优化技术,包括神经网络结构设计,NAS搜索算法,训练算法优化,AI模型编译优化等。 岗位职责 负责调研深度学习模型优化技术

  • 深度学习之“深度

    经网络这一术语来自于神经生物学,然而,虽然深度学习的一些核心概念是从人们对大脑的理解中汲取部分灵感而形成的,但深度学习模型不是大脑模型。没有证据表明大脑的学习机制与现代深度学习模型所使用的相同。你可能会读到一些流行科学的文章,宣称深度学习的工作原理与大脑相似或者是根据大脑的工作原

    作者: ypr189
    1571
    1
  • 深度学习

    全面地讲述深度学习的历史超出了本书的范围。然而,一些基本的背景对理解深度学习是有用的,深度学习经历了三次发展浪潮:20世纪40年代到60年代深度学习的雏形出现在控制论(cybernetics)中,20世纪80年代到90年代深度学习表现为联结主义(connectionism),直到

    作者: QGS
    955
    4
  • 深度学习

    加智能。借助深度学习,我们可以制造出具有自动驾驶能力的汽车和能够理解人类语音的电话。由于深度学习的出现,机器翻译、人脸识别、预测分析、机器作曲以及无数的人工智能任务都成为可能,或相比以往有了显著改进。虽然深度学习背后的数学概念几十年前便提出,但致力于创建和训练这些深度模型的编程库

    作者: G-washington
    2441
    1
  • 深度学习

    使用深度学习方法处理计算机视觉问题的过程类似于人类的学习过程:我们搭建的深度学习模型通过对现有图片的不断学**结出各类图片的特征,最后输出一个理想的模型,该模型能够准确预测新图片所属的类别。图1-2展示了两个不同的学习过程,上半部分是通过使用深度学习模型解决图片分类问题,下半部分

    作者: 生命无价
    1554
    1
  • 深度学习模型预测 - 数据湖探索 DLI

    深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域,DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

  • 中国燃气

    基于角色的个性化课程推荐,满足多类型用户学习需求,围绕不同技术专题,解决实际应用的难点痛点,系统化的学习路径,快速提升专业技能 立刻2购买 微认证 一站式在线学习、实验与考试,通过考试获得权威认证证书,零基础也可学习前沿技术知识,快速获得场景化的技能提升 立刻3购买 业务价值 云化基础设施助力未来智能化

  • AI平台ModelArts入门

    ter Notebook编程环境的操作 了解详情 最佳实践 最佳实践 口罩检测(使用新版自动学习实现物体检测应用) 该案例是使用华为云一站式AI开发平台ModelArts的新版“自动学习”功能,基于华为云AI开发者社区AI Gallery中的数据集资产,让零AI基础的开发者完成“物体检测”的AI模型的训练和部署。

  • AI系统创新Lab_News_【论文笔记】语音情感识别之手工特征深度学习方法

    绑定邮箱 温馨提示 请您在新打开的页面绑定邮箱! 注意: 绑定邮箱完成前,请不要关闭此窗口! 已完成绑定 【论文笔记】语音情感识别之手工特征深度学习方法 本文章主体基于PilgrimHui的论文笔记:《语音情感识别(三)手工特征+CRNN》,在原来基础上,补充了数据处理部分以及论文方

  • AI平台ModelArts资源

    获取海量开发者技术资源、工具 开发者计划 使能开发者基于开放能力进行技术创新 开发支持 专业高效的开发者在线技术支持服务 开发者学堂 云上学习、实验、认证的知识服务中心 开发者活动 开发者实训、热门活动专区 社区论坛 专家技术布道、开发者交流分享的平台 文档下载 AI平台ModelArts文档下载

  • 深度学习模型预测 - 数据湖探索 DLI

    深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域,DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

  • 基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型 - CodeArts IDE Online

    基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型 概要 准备工作 导入和预处理训练数据集 创建和训练模型 使用模型

  • 华为云深度学习服务推理特性(公测)于2018年12月21日00:00(北京时间)下线通知

    服务公告 全部公告 > 产品公告 > 华为云深度学习服务推理特性(公测)于2018年12月21日00:00(北京时间)下线通知 华为云深度学习服务推理特性(公测)于2018年12月21日00:00(北京时间)下线通知 2018-11-20 尊敬的华为云客户: 华为云计划于2018/12/21

  • D-Plan AI 生态伙伴计划

    D-Plan AI 生态伙伴计划 D-Plan AI 生态伙伴计划 D-Plan AI 生态伙伴计划是围绕华为云一站式AI开发平台ModelArts推出的一项合作伙伴计划,旨在与合作伙伴一起构建合作共赢的AI生态体系,加速AI应用落地,华为云向伙伴提供培训、技术、营销和销售的全面支持。

  • 斯坦福DAWNBench深度学习训练及推理榜单:华为云ModelArts拿下双料冠军

    1倍。 ModelArts:领先的深度学习平台技术 作为人工智能最重要的基础技术之一,近年来深度学习也逐步延伸到更多的应用场景,如自动驾驶、互联网、安防、医疗等领域。随着深度学习模型越来越大,所需数据量越来越多,所需的AI算力资源和训练时间越来越长,深度学习的训练和推理性能将是重中之重。

  • 准备工作 - CodeArts IDE Online

    Editor,可以在里面编辑和运行cell。 父主题: 基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型

  • 使用模型 - CodeArts IDE Online

    鲲鹏镜像暂时无法安装TensorFlow,敬请期待后续更新。 父主题: 基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型

  • 创建和训练模型 - CodeArts IDE Online

    epochs=10) 父主题: 基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型

  • 概要 - CodeArts IDE Online

    型完成简单的图像分类。 父主题: 基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型

  • 华为云hilens

    华为HiLens 华为HiLens 华为HiLens为端云协同AI应用开发与运行管理平台,支持部署华为云ModelArts平台训练的模型,提供云上管理平台、丰富的技能市场和开发者工具与插件,帮助用户高效开发AI应用,并将其部署到多种端侧计算设备运行和在线管理。 华为HiLens为