、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 →

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 →

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 →

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 面向未来的智能世界，数字化

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 →

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 →

更好的训练效果。 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

查看更多 →

至超越了人类的水平。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 →

华为云计算 云知识 神经网络基础 神经网络基础 时间：2020-12-07 16:53:14 HCIP-AI EI Developer V2.0系列课程。神经网络是深度学习的重要基础，理解神经网络的基本原理、优化目标与实现方法是学习后面内容的关键，这也是本课程的重点所在。 目标学员

查看更多 →

第3章 神经网络架构搜索的广义框架 第4章 基于进化的方法 第5章 基于强化学习的方法 第6章 one-shot架构搜索 第7章 在计算视觉领域的广泛应用 第8章 华为在神经网络架构搜索领域的进展 第9章 开放性问题和未来方向 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

查看更多 →

通过本课程的学习使学员掌握深度学习平台应用及入门深度学习。 课程大纲 第1节 导读&往期内容回顾 第2节 深度学习平台介绍 第3节 深度学习入门示例介绍 第4节 神经网络构建多分类模型 第5节 华为云深度学习平台实操演练 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

查看更多 →

DA C++的方式相似，可以实现更多功能的算子，灵活编写各种网络模型。编写完成的算子会交给编译器进行编译，最终执行在AI Core或AI CPU上发挥出芯片的加速能力。 3、在合适的场景下，TBE提供的算子融合能力会促进算子性能的提升，让神经网络算子可以基于不同层级的缓冲器进行多

查看更多 →

具体网络模型能找到优化后的、可执行的、可加速的算子进行功能上的最优实现。如果L1芯片使能层的标准算子加速库中无L2执行框架层所需要的算子，这时可以通过张量加速引擎编写新的自定义算子来支持L2执行框架层的需要，因此张量加速引擎通过提供标准算子库和自定义算子的能力为L2执行框架层提供了功能完备性的算子。

查看更多 →

车的检测，具有速度快、准确率高的特点。算法特别优化了俯视视角下的目标检测，更适合电梯内的使用场景。标准测试场景下检测率超过90%，错误率小于5%。 服务商简介 上海考斯信息技术有限公司，是一家专注于计算机视觉及人工智能领域研究、应用的公司。公司自主研发的基于高清摄像头里动态人脸检

查看更多 →

任务调度器作为一个硬件执行的任务驱动者，为昇腾AI处理器提供具体的目标任务。运行管理器和任务调度器联合互动，共同组成了神经网络任务流通向硬件资源的大坝系统，实时监控和有效分发不同类型的执行任务。 总之，整个神经网络软件为昇腾AI处理器提供一个软硬件结合且功能完备的执行流程，助力相关AI应用的开发。 华为云

查看更多 →

非常丰富。更智能、准确的理解图像内容，让智能相册管理、照片检索和分类、基于场景内容或者物体的广告推荐等功能更加准确。 图1 图像标签 示例图 名人识别 利用深度神经网络模型对图片内容进行检测，准确识别图像中包含的影视明星及网红人物。 翻拍识别 利用深度神经网络算法判断条形码图片为原始

查看更多 →

视频标签 (简称VCT)，基于深度学习对视频进行场景分类、人物识别、语音识别、文字识别等多维度分析，形成层次化的分类标签。 功能描述 场景概念识别 基于对视频中的场景信息的分析，输出丰富而准确的概念、场景标签 人物识别 基于对视频中的人物信息的分析，输出准确的人物标签 视频 OCR 识别视频中出现的文字内

查看更多 →

通过TBE提供的API和自定义算子编程开发界面可以完成相应神经网络算子的开发。 TBE的重要概念之一为NPU，即Neural-network Processing Unit，神经网络处理器。 在维基百科中，NPU这个词条被直接指向了“人工智能加速器”，释义是这样的： “人工智能加速器（AI

查看更多 →

0系列课程。计算机视觉是深度学习领域最热门的研究领域之一，它衍生出了一大批快速发展且具有实际作用的应用，包括 人脸识别 、图像检测、目标监测以及智能驾驶等。这一切本质都是对图像数据进行处理，本课程就图像处理理论及相应技术做了介绍，包括传统特征提取算法和卷积神经网络，学习时注意两者的区别。 目标学员

查看更多 →

本实验主要介绍基于AI1型服务器的黑白图像上色项目，并部署在AI1型服务器上执行的方法。 实验目标与基本要求 本实验主要介绍基于AI1型 弹性云服务器 完成黑白图像上色应用开发，通过该实验了解将神经网络模型部署到昇腾310处理器运行的一般过程和方法。 基本要求： 1. 对业界主流的深度学习框架（Caff

查看更多 →