-
ModelArts模型训练_模型训练简介_如何训练模型
ModelArts模型训练 ModelArts模型训练简介 ModelArts模型训练，俗称“建模”，指通过分析手段、方法和技巧对准备好的数据进行探索分析，从中发现因果关系、内部联系和业务规律，为商业目的提供决策参考。训练模型的结果通常是一个或多个机器学习或深度学习模型，模型可以应用到新的数据中，得到预测、评价等结果。
来自：专题 -
深度学习
-
深度学习概览
华为云计算 云知识 深度学习概览 深度学习概览 时间：2020-12-17 10:03:07 HCIA-AI V3.0系列课程。本课程主要讲述深度学习相关的基本知识，其中包括深度学习的发展历程、深度学习神经 网络的部件、深度学习神经网络不同的类型以及深度学习工程中常见的问题。 目标学员
来自：百科 -
ModelArts模型训练_创建训练作业_如何创建训练作业
ModelArts训练管理 ModelArts训练管理 ModelArts训练管理模块用于创建训练作业、查看训练情况以及管理训练版本。在训练模块的统一管理下，方便用户试验算法、数据和超参数的各种组合，便于追踪最佳的模型与输入配置，您可以通过不同版本间的评估指标比较，确定最佳训练作业。 Mo
来自：专题 -
大V讲堂——双向深度学习
![]()
大V讲堂——双向深度学习 大V讲堂——双向深度学习 时间：2020-12-09 14:52:19 以当今研究趋势由前馈学习重新转入双向对偶系统为出发点，从解码与编码、识别与重建、归纳与演绎、认知与求解等角度，我们将概括地介绍双向深度学习的历史、发展现状、应用场景，着重介绍双向深度学习理论、算法和应用示例。
来自：百科 -
从MindSpore手写数字识别学习深度学习
![]()
本次训练所使用的经过数据增强的图片 基于深度学习的识别方法 与传统的机器学习使用简单模型执行分类等任务不同，此次训练我们使用深度神经网络作为训练模型，即深度学习。深度学习通过人工神经网络来提取特征，不同层的输出常被视为神经网络提取出的不同尺度的特征，上一层的输出作为下一层的输入，层层连接构成深度神经网络。
来自：百科 -
AI技术领域课程--深度学习
![]()
。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。
来自：百科 -
使用MindSpore开发训练模型识别手写数字
![]()
使用MindSpore开发训练模型识别手写数字 使用MindSpore开发训练模型识别手写数字 时间：2020-12-01 14:59:14 本实验指导用户在短时间内，了解和熟悉使用MindSpore进行模型开发和训练的基本流程，并利用ModelArts训练管理服务完成一次训练任务。 实验目标与基本要求
来自：百科 -
大V讲堂——预训练语言模型
![]()
领域中，使用语言模型预训练方法在多项NLP任务中的水平都提高了一个等级，学术界掀起了研究预训练语言模型的热潮。 课程目标 通过本课程的学习，使学员： 1、理解语言模型和神经语言模型。 2、了解主流预训练语言模型及之间的关系。 课程大纲 第1章 引言 第2章 什么是语言模型 第3章 什么是神经语言模型
来自：百科 -
大V讲堂——能耗高效的深度学习
![]()
云知识 大V讲堂——能耗高效的深度学习 大V讲堂——能耗高效的深度学习 时间：2020-12-08 10:09:21 现在大多数的AI模型，尤其是计算视觉领域的AI模型，都是通过深度神经网络来进行构建的，从2015年开始，学术界已经开始注意到现有的神经网络模型都是需要较高算力和能好的。
来自：百科 -
基于深度学习算法的语音识别
-
模型训练与平台部署（Mindspore-TF）
![]()
华为云计算 云知识 模型训练与平台部署（Mindspore-TF） 模型训练与平台部署（Mindspore-TF） 时间：2020-12-08 16:37:45 本课程主要介绍如何让TensorFlow脚本运行在昇腾910处理器上，并进行精度、性能等方面的调优。 目标学员 AI领域的开发者
来自：百科 -
深度学习：IoT场景下的AI应用与开发
-
基于ModelArts实现人车检测模型训练和部署
![]()
云知识 基于ModelArts实现人车检测模型训练和部署 基于ModelArts实现人车检测模型训练和部署 时间：2020-12-02 11:21:12 本实验将指导用户使用华为ModelArts预置算法构建一个人车检测模型的AI应用。人车检测模型可以应用于自动驾驶场景，检测道路上人和车的位置。
来自：百科 -
计算机视觉基础：深度学习和神经网络
![]()
、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
来自：百科 -
ModelArts是什么_AI开发平台_ModelArts功能
![]()
特别是深度学习的大数据集，让训练结果可重现。 2、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。 3、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。 4、自动学习 支持多种自动学习能力，
来自：专题 -
什么是AI开发
![]()
rn等，大量的开发者基于主流AI引擎，开发并训练其业务所需的模型。 4.评估模型 训练得到模型之后，整个开发过程还不算结束，需要对模型进行评估和考察。往往不能一次性获得一个满意的模型，需要反复的调整算法参数、数据，不断评估训练生成的模型。 一些常用的指标，如准确率、召回率、AUC
来自：百科 -
ModelArts模型训练_超参搜索简介_超参搜索算法
![]()
') 训练作业的“/cache”目录是否安全？ ModelArts训练作业的程序运行在容器中，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。
来自：专题 -
ModelArts有哪些功能
![]()
，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
来自：百科 -
人工智能学习入门
![]()
AI技术领域课程--机器学习 AI技术领域课程--深度学习 AI技术领域课程--生成对抗网络 AI技术领域课程--强化学习 AI技术领域课程--图网络 AI技术领域课程--机器学习 AI技术领域课程--深度学习 AI技术领域课程--生成对抗网络 AI技术领域课程--强化学习 AI技术领域课程--图网络
来自：专题 -
人工智能学习入门
![]()
AI技术领域课程--机器学习 AI技术领域课程--深度学习 AI技术领域课程--生成对抗网络 AI技术领域课程--强化学习 AI技术领域课程--图网络 AI技术领域课程--机器学习 AI技术领域课程--深度学习 AI技术领域课程--生成对抗网络 AI技术领域课程--强化学习 AI技术领域课程--图网络
来自：专题
