征形成更抽象的高层代表属性类别或特征，发现数据分布式特征表示。研究深入学习的动机是建立模拟大脑分析学习的神经网络，它模拟大脑的机制来解释说明数据，如图像、声音、文本等数据。 深度学习的典型模型：卷积神经网络模型、深度信任网络模型、堆栈自编码网络模型。 深度学习的应用：计算机视觉、 语音识别 、 自然语言处理 等其他领域。

查看更多 →

需要掌握人工智能技术，希望具备及其学习和深度学习算法应用能力，希望掌握华为人工智能相关产品技术的工程师 课程目标 学完本课程后，您将能够：描述神经网络的定义与发展；熟悉深度学习神经网络的重要“部件”；熟悉神经网络的训练与优化；描述深度学习中常见的问题。 课程大纲 1. 深度学习简介 2. 训练法则 3.

查看更多 →

算法和应用示例。 课程简介 本课程介绍了双向深度学习理论、算法和应用示例，让你对双向深度学习有初步的认知。 课程目标 通过本课程的学习，使学员： 1、认识双向智能。 2、了解深度双向智能的理论、算法和应用示例。 课程大纲 第1章 引言 第2章 双向智能 第3章 深度双向智能 华为云

查看更多 →

的深度学习。 课程目标 通过本课程的学习，使学员了解如下知识： 1、高效的结构设计。 2、用NAS搜索轻量级网络。 3、数据高效的模型压缩。 4、1bit量化。 课程大纲 第1章 能耗高效的深度学习的背景 第2章 高效的神经元和结构设计 第3章 基于NAS的轻量级神经网络 第4章

查看更多 →

云知识 基于深度学习算法的语音识别 基于深度学习算法的语音识别 时间：2020-12-01 09:50:45 利用新型的人工智能（深度学习）算法，结合清华大学开源语音数据集THCHS30进行语音识别的实战演练，让使用者在了解语音识别基本的原理与实战的同时，更好的了解人工智能的相关内容与应用。

查看更多 →

池化层通过下采样的方式降低特征图的分辨率，从而降低输出对位置和形变的敏感度，同时还可降低网络中的参数和计算量；全连接层将局部特征通过权值矩阵组装成完整的图像，完成特征空间到真实类别空间的映射，最终的图像分类便是由全连接层完成的。有了这样一个神经网络后，我们还需要用大量数据集对它进

查看更多 →

自动机器学习等领域。 课程简介 本教程介绍了AI解决方案深度学习的发展前景及其面临的巨大挑战；深度神经网络的基本单元组成和产生表达能力的方式及复杂的训练过程。 课程目标 通过本课程的学习，使学员： 1、了解深度学习。 2、了解深度神经网络。 课程大纲 第1章 深度学习和神经网络 华为云

查看更多 →

超越了人类的水平。本课程将介绍深度学习算法的知识。 课程简介 本课程将会探讨深度学习中的基础理论、算法、使用方法、技巧与不同的深度学习模型。 课程目标 通过本课程的学习，使学员： 1、掌握神经网络基础理论。 2、掌握深度学习中数据处理的基本方法。 3、掌握深度学习训练中调参、模型选择的基本方法。

查看更多 →

华为云计算 云知识 深度学习：IoT场景下的AI应用与开发 深度学习：IoT场景下的AI应用与开发 时间：2020-12-08 10:34:34 本课程旨基于自动售卖机这一真实场景开发，融合了物联网与AI两大技术方向，向您展示AI与IoT融合的场景运用并解构开发流程；从 物联网平台

查看更多 →

的自定义算法通过简单的代码适配，实现在ModelArts上进行模型训练与部署的全流程指导。 Standard专属资源池训练 不同AI模型训练所需要的数据量和算力不同，在训练时选择合适存储及训练方案可提升模型训练效率与资源性价比。ModelArts支持单机单卡、单机多卡和多机多卡的

查看更多 →

通过实操最终得到AI成功识别人车的结果。 实验摘要 1.准备环境 2.创建 OBS 桶和目录 3.拷贝数据集到OBS桶 4.创建训练作业 5.模型导入 6.模型部署 7.发起检测 华为云 面向未来的智能世界，数字化是企业发展的必由之路。数字化成功的关键是以云原生的思维践行云原生，全数字化、全云化、AI驱动，一切皆服务。

查看更多 →

器中，容器挂载的目录地址是唯一的，只有运行时的容器能访问到。因此训练作业的“/cache”是安全的。 训练环境中不同规格资源“/cache”目录的大小 在创建训练作业时可以根据训练作业的大小选择CPU、GPU或者Ascend资源。 ModelArts会挂载硬盘至“/cache”目

查看更多 →

华为云计算 云知识 学习Python编程需要什么基础：If语句和For语句 学习Python编程需要什么基础：If语句和For语句 时间：2021-04-07 09:22:03 If语句用来做条件判断，基本原理及形式如下： 文中课程 更多精彩课程、实验、微认证，尽在华为云学院

查看更多 →

，而不需要关心底层的技术。同时，ModelArts支持Tensorflow、PyTorch、MindSpore等主流开源的AI开发框架，也支持开发者使用自研的算法框架，匹配您的使用习惯。 ModelArts的理念就是让AI开发变得更简单、更方便。 面向不同经验的AI开发者，提供便

查看更多 →

，特别是深度学习的大数据集，让训练结果可重现。 极“快”致“简”模型训练 自研的MoXing深度学习框架，更高效更易用，大大提升训练速度。 云边端多场景部署 支持模型部署到多种生产环境，可部署为云端在线推理和批量推理，也可以直接部署到端和边。 自动学习 支持多种自动学习能力，通过

查看更多 →

这种以简单的语言提示，生成复杂自动化工作流程的设计非常引人注目。实现起来却绝非易事：理想的AI模型依赖海量的数据训练，从而提升AI判断结果的准确性（即：参数合理分布）。虽然在AI for code领域，有大规模训练数据对外开放使用，但出于场景落地、准确率提升，数据控制者必须推断数据意

查看更多 →

GA CS ）能够提供强大的浮点计算能力，从容应对高实时、高并发的海量计算场景。 GPU加速型云服务器包括图形加速型（G系列）和计算加速型（P系列）两类。其中： 图形加速型即“G系列”的 弹性云服务器 ，适合于3D动画渲染、CAD等。 计算加速型即“P系列”的弹性云服务器，适合于深度学习、科学计算、CAE等。

查看更多 →

模型超参自动优化，简单快速。 零代码开发，简单操作训练出自己的模型。 支持模型一键部署到云、边、端。 高性能 自研MoXing深度学习框架，提升算法开发效率和训练速度。 优化深度模型推理中GPU的利用率，加速云端在线推理。 可生成在Ascend芯片上运行的模型，实现高效端边推理。 灵活 支持多

查看更多 →

些都要了然于心，基于商业的理解，整理分析框架和分析思路。例如，减少老客户的流失、优化活动效果、提高客户响应率等等。不同的项目对数据的要求，使用的分析手段也是不一样的。 2.准备数据 数据准备主要是指收集和预处理数据的过程。 按照确定的分析目的，有目的性的收集、整合相关数据，数据准

查看更多 →

使用ModelArts中开发工具学习Python（高级） 本实验指导用户基于Notebook来学习Python语言中的正则表达式进行文本信息的匹配、多线程执行任务的实现和Python中类的魔法方法的使用。 基于深度学习算法的语音识别 利用新型的人工智能（深度学习）算法，结合清华大学开源语音数据集T

查看更多 →

使用ModelArts中开发工具学习Python（高级） 本实验指导用户基于Notebook来学习Python语言中的正则表达式进行文本信息的匹配、多线程执行任务的实现和Python中类的魔法方法的使用。 基于深度学习算法的语音识别 利用新型的人工智能（深度学习）算法，结合清华大学开源语音数据集T

查看更多 →