超分辨率转换

华为云计算 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 →

华为云计算 云知识 深度学习 深度学习 时间：2020-11-23 16:30:56 深度学习( Deep Learning,DL)是机器学习的一种，机器学习是实现人工智能的必由之路。深度学习的概念源于人工神经网络的研究，包含多个隐藏层的多层感知器就是深度学习结构。深度学习通过组合低层特

查看更多 →

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

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 →

从MindSpore手写数字识别学习深度学习 从MindSpore手写数字识别学习深度学习 时间：2020-11-23 16:08:48 深度学习作为机器学习分支之一，应用日益广泛。语音识别、自动 机器翻译 、即时视觉翻译、刷脸支付、人脸考勤……不知不觉，深度学习已经渗入到我们生活中的每个

查看更多 →

。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 →

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。

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 →

l 针对IoT设备内存空间小的问题，LiteAI应用了模型量化技术，将模型参数从32比特浮点量化到8比特定点，实现75%模型压缩；实现更合理的内存管理算法，最大化内存复用率，绝大部分场景下达到内存使用下限值；提供模型压缩及聚类算法供开发者选择，进一步减少内存占用。 l LiteAI

查看更多 →

float，一般不建议用户修改 TPE算法 TPE算法全称Tree-structured Parzen Estimator，是一种利用高斯混合模型来学习超参模型的算法。在每次试验中，对于每个超参，TPE为与最佳目标值相关的超参维护一个高斯混合模型l(x)，为剩余的超参维护另一个高斯混合模型g(x)，选择

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

查看更多 →

l 针对IoT设备内存空间小的问题，LiteAI应用了模型量化技术，将模型参数从32比特浮点量化到8比特定点，实现75%模型压缩；实现更合理的内存管理算法，最大化内存复用率，绝大部分场景下达到内存使用下限值；提供模型压缩及聚类算法供开发者选择，进一步减少内存占用。 l LiteAI

查看更多 →

优好的离线模型。离线模型生成器主要用来生成可以高效执行在昇腾AI处理器上的离线模型。 离线模型生成器的工作原理如上图所示，在接收到原始模型后，对卷积神经网络模型进行模型解析、量化、编译和序列化四个步骤： 1、解析 在解析过程中，离线模型生成器支持不同框架下的原始网络模型解析，提炼

查看更多 →

T数据分析服务与资产模型深度整合，以DigitalTwins资产模型为中心驱动数据分析，开发者可以直接使用统一的物联网模型数据，大大提升数据分析的效率。通过构建物与物，物与空间，物与人等复杂关系，将物联网数据置于模型的“上下文”中去理解；通过“IoT+资产模型”，在数字世界中构建

查看更多 →

如何做好IoT数据分析 资产模型 资产模型是IoT数据分析服务充分理解物联网数据的基础。构建资产模型，就是构建物与物，物与空间，物与人等复杂关系，将物联网数据置于模型的上下文中去理解。资产模型就是物理世界的资产在数字世界中的映射，两边的数据准实时同步，实现数字孪生。IoT数据分析服务基于资产模型抽象，

查看更多 →

AI 平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、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。 ModelArts 是面向开发者的一站式 AI 平台，为机器学习与深度学习提供海量数据预处理

查看更多 →

三、如何做好物联网数据分析？ 首先，构建资产模型是充分“理解”物联网数据的基础。 通过构建物与物，物与空间，物与人等复杂关系，将物联网数据置于模型的“上下文”中去理解。通过“IoT+资产模型”，在数字世界中构建与物理世界准实时同步的数字孪生。基于模型抽象，为数据分析提供面向业务的接口封装

查看更多 →

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。

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 →

包括优化的机器学习算法，从而实现Spark性能倍级提升。 内容大纲： 1. 大数据机器学习算法发展历程； 2. 机器学习算法优化的技术挑战； 3. 鲲鹏BoostKit机器学习算法原理创新； 4. 面向鲲鹏的算法亲和优化实践； 5. 鲲鹏BoostKit机器学习算法实践。 听众收益：

查看更多 →

。 2Q与LRU-2类似，不同点在于将LRU-2算法中的访问历史队列改成了一个FIFO队列，这里不再赘述。上面介绍了4个常用的缓存淘汰算法，实现起来也不是很复杂。当然还有一些其他的算法，这里就不再介绍了，感兴趣的朋友可以查找资料学习一下。 华为云 面向未来的智能世界，数字化是企业

查看更多 →