技术干货——人工智能

本文将在ModelArts平台上开发轻量级目标检测与分割算法，并使用ModelBox框架在RK3568开发板上实现模型推理和部署。

本文分享自华为云社区《浅谈如何处理大语言模型训练数据之三开源数据集介绍》，本篇文章将介绍大语言模型应用中的典型开源数据集集合。

本文分享自华为云社区《浅谈如何处理大语言模型训练数据之二数据影响分析》，本篇文章中，将从数据规模、数量质量以及数据多样性三个方面分析数据对大语言模型的性能的影响。

BERT（来自Transformer的双向自编码器）预训练模型，旨在通过联合左侧和右侧的上下文，从未标记文本中预训练出一个深度双向表示模型。

介绍了MindStudio全流程开发工具链如何通过大模型迁移、精度调试、性能调优三大步骤，支持用户以低成本快速提升百亿千亿大模型训练性能，提高开发效率。

从工程化的角度，对鹏城.脑海大模型训练语料处理、模型训练优化、模型应用等方面做出了全面详细的经验分享。

回顾大模型技术在企业的应用过程中，我们不禁要问：大模型在落地方面带来了哪些改变？开发者如何应对大模型的变革？在AI大模型的驱动下，企业的未来又会走向何方？

本文将介绍当前常见的大语言模型训练数据的来源、处理方法、预训练数据对大语言模型影响的分析以及常见开源数据集合等。

本文分享自华为云社区《大模型那么火，教你一键Modelarts玩转开源LlaMA(羊驼)大模型》，具体怎么在华为云的ModelArts上玩转LLAMA开源大模型呢？

Ascend C提供孪生调试方法，即CPU域模拟NPU域的行为，相同的算子代码可以在CPU域调试精度，NPU域调试性能。

本文重点介绍GPT 无监督预训练、有监督下游任务微调以及基于HuggingFace 的预训练语言模型实践。

本篇文章将以LLaMA 模型为例，介绍大语言模型架构在Transformer 原始结构上的改进，并介绍Transformer 模型结构中空间和时间占比最大的注意力机制优化方法。

本篇文章将首先介绍Transformer 结构，并在此基础上后面会介绍生成式预训练语言模型GPT、大语言模型网络结构和注意力机制优化以及相关实践。

本篇文章介绍了RAG方案设计以及某产品线Dopra在真实场景中的应用，并总结了一套可快速复制的方法论。

本文主要介绍了一个名为CoderEval的代码生成大模型评估基准，并对三个代码生成模型（CodeGen、PanGu-Coder和ChatGPT）在该基准上的表现进行了评估和比较。

本文对现有的基于经典机器学习和深度学习方法的日志异常检测方法进行了实证研究，并提出了一种自动化日志异常检测评估框架LightAD。

以Feature envy架构坏味道为例，利用一系列启发式规则和一个基于决策树的分类器，实现了一种基于真实数据的高质量重构数据集构造方法，并利用此方法构建的数据集将Feature envy架构坏...

大规模语言模型（Large Language Models，LLM），也称大规模语言模型或大型语言模型，是一种由包含数百亿以上参数的深度神经网络构建的语言模型，使用自监督学习方法通过大量无标注文...

本文分享自华为云社区《三大基础方案和AI出海计划重磅发布！加速盘古大模型生态发展》，华为云重磅发布了基于盘古大模型打造的三大基础解决方案和华为云AI出海计划。

本文介绍多分类问题的基本概念，构建一个简单的多分类神经网络模型，并演示如何准备数据、训练模型和评估结果。