用户867573478982

​ 1. 量化感知训练（QAT）的分层精细化配置 场景：直接对 ResNet50 做全量化会导致关键层（如注意力 / 瓶颈层）精度暴跌。 MindSpore 技术实践： 利...

一、混合精度训练(AMP)深度优化 1.1 AMP配置全景图 1.2 AMP实战训练循环 1.3 自定义AMP包装器 二、图编译优化(JIT)深度实战 2.1 JIT配置全...

作为一名长期在一线进行AI模型开发的工程师，我最近深入使用了华为的昇腾AI处理器与MindSpore框架。本文将分享从环境搭建到模型训练、推理部署的全流程经验，希望能帮助开...

在AI大模型浪潮中，仅仅训练模型已经不够了。如何高效地部署、管理和服务大模型，才是真正产生商业价值的关键。今天我将带大家从零开始，用Kubernetes编排MindSpor...

MindSpore常见问题主要包括数据加载与处理问题、网络构建与训练问题以及分布式并行配置问题等。MindSpore在不同场景下，积累了大量常见的问题案例。以下是对应的案例...

简介 目前的神经网络模型层出不穷，其中在图像识别的领域不仅非常高效快速，而且准确率也非常高。但我们在提高准确率的道路上是永不止步的，比较矛盾的是在提高精确率的同时也会带来消...

​ 摘要： 承接上一篇LeNet网络模型的图像分类实践，本次我们再来认识一个新的网络模型：ResNet-50。不同网络模型之间的主要区别是神经网络层的深度和层与层之间的连接...

本篇的主要内容是解析一下使用MindSpore深度学习框架训练LeNet网络对Mnist数据集进行分类。首先我给大家展示出本篇内容的一个示意图，帮助大家更直观的看到训练过程...

简述：**** 决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分...

摘要**** 随机森林是集成算法最前沿的代表之一。随机森林是Bagging的升级，它和Bagging的主要区别在于引入了随机特征选择。即：在每棵决策树选择分割点时，随机森林...

简介： 上次我们介绍过Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类...

简介 AdaBoost算法是一种集成学习（ensemble learning）方法。集成学习是机器学习中的一类方法，它对多个机器学习模型进行组合形成一个精度更高的模型，参与...

简介：**** 我们经常用过拟合、欠拟合来定性地描述模型是否很好地解决了特定的问 题。从定量的角度来说，可以用模型的偏差（Bias）与方差（Variance）来描述模型的性...

简述： 虽然集成学习的具体要使用的算法和策略有所相同，但在实现过程中都共享同样的操作步骤。本次分享结合具体的集成学习算法，分析下集成学习的具体过程。 一. 基本步骤\ 集成...

一． 简述 面对一个机器学习问题，通常有两种策略。一种是开发人员尝试各种模型，选择其中表现最好的模型做重点调参优化。这种策略类似于奥运会比赛，通过强强竞争来选拔最优的运动员...

一． 简述 在和环境不断交互的过程中，智能体在不同的状态下不停地探索，获取不同的动作的反馈。探索（Exploration）能够帮助智能体通过不断试验获得反馈，利用（Expl...

1. 简介 时间差分法主要基于时间序列的差分数据进行学习，其分为固定策略和非固定策略两种。固定策略时间差分法以Sarsa算法为代表；非固定策略以Q-Learning算法为代...

1. 简介 上一节主要介绍了强化学习的基本概念，主要是通过设定场景带入强化学习的策略、奖励、状态、价值进行介绍。有了基本的元素之后，就借助马尔可夫决策过程将强化学习的任务抽...

1. 简介 强化学习关注身处某个环境中的智能体通过采取行动获得最大化的累积收益。和传统的监督学习不同，在强化学习中，并不直接给智能体的输出打分。相反，智能体只能得到一个间接...