国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

昇思 MindSpore 安裝教程

這篇具有很好參考價值的文章主要介紹了昇思 MindSpore 安裝教程。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

昇思MindSpore介紹

昇思MindSpore是一個全場景深度學(xué)習(xí)框架,旨在實現(xiàn)易開發(fā)、高效執(zhí)行、全場景覆蓋三大目標(biāo)。

其中,易開發(fā)表現(xiàn)為API友好、調(diào)試難度低;高效執(zhí)行包括計算效率、數(shù)據(jù)預(yù)處理效率和分布式訓(xùn)練效率;全場景則指框架同時支持云、邊緣以及端側(cè)場景。

昇思MindSpore總體架構(gòu)如下圖所示:

mindspore安裝教程,python,人工智能,python,開發(fā)語言

ModelZoo(模型庫):ModelZoo提供可用的深度學(xué)習(xí)算法網(wǎng)絡(luò),也歡迎更多開發(fā)者貢獻新的網(wǎng)絡(luò)(ModelZoo地址)。

Extend(擴展庫):昇思MindSpore的領(lǐng)域擴展庫,支持拓展新領(lǐng)域場景,如GNN/深度概率編程/強化學(xué)習(xí)等,期待更多開發(fā)者來一起貢獻和構(gòu)建。

Science(科學(xué)計算):MindScience是基于昇思MindSpore融合架構(gòu)打造的科學(xué)計算行業(yè)套件,包含了業(yè)界領(lǐng)先的數(shù)據(jù)集、基礎(chǔ)模型、預(yù)置高精度模型和前后處理工具,加速了科學(xué)行業(yè)應(yīng)用開發(fā)(了解更多)。

Expression(全場景統(tǒng)一API):基于Python的前端表達與編程接口。同時未來計劃陸續(xù)提供C/C++、華為自研編程語言前端-倉頡(目前還處于預(yù)研階段)等第三方前端的對接工作,引入更多的第三方生態(tài)。

Data(數(shù)據(jù)處理層):提供高效的數(shù)據(jù)處理、常用數(shù)據(jù)集加載等功能和編程接口,支持用戶靈活的定義處理注冊和pipeline并行優(yōu)化。

Compiler(AI編譯器):圖層的核心編譯器,主要基于端云統(tǒng)一的MindIR實現(xiàn)三大功能,包括硬件無關(guān)的優(yōu)化(類型推導(dǎo)、自動微分、表達式化簡等)、硬件相關(guān)優(yōu)化(自動并行、內(nèi)存優(yōu)化、圖算融合、流水線執(zhí)行等)、部署推理相關(guān)的優(yōu)化(量化、剪枝等)。

Runtime(全場景運行時):昇思MindSpore的運行時系統(tǒng),包含云側(cè)主機側(cè)運行時系統(tǒng)、端側(cè)以及更小IoT的輕量化運行時系統(tǒng)。

Insight(可視化調(diào)試調(diào)優(yōu)工具):昇思MindSpore的可視化調(diào)試調(diào)優(yōu)工具,能夠可視化地查看訓(xùn)練過程、優(yōu)化模型性能、調(diào)試精度問題、解釋推理結(jié)果(了解更多)。

Armour(安全增強庫):面向企業(yè)級運用時,安全與隱私保護相關(guān)增強功能,如對抗魯棒性、模型安全測試、差分隱私訓(xùn)練、隱私泄露風(fēng)險評估、數(shù)據(jù)漂移檢測等技術(shù)(了解更多)。

執(zhí)行流程

第一步 安裝ptyhon 環(huán)境

Anaconda的下載 或者直接安裝python 都行, 建議用 Anaconda 的安裝 方便省事
安裝就略過 不是本文重點,我的是pyrhon3.7.6

mindspore安裝教程,python,人工智能,python,開發(fā)語言

第二步 Mindspore安裝

去到MindSpore 安裝頁面
根據(jù)需要選擇版本 獲取安裝命令
mindspore安裝教程,python,人工智能,python,開發(fā)語言

根據(jù)官網(wǎng)的 安裝命令 在 cmd中輸入 ,等待安裝相關(guān)依賴即可
mindspore安裝教程,python,人工智能,python,開發(fā)語言

驗證

通過cmd 中輸入

python -c "import mindspore;mindspore.run_check()"

出現(xiàn)如下所示 即為安裝成功
mindspore安裝教程,python,人工智能,python,開發(fā)語言

實戰(zhàn)

昇思MindSpore j技術(shù)博客中有不少使用案例的文章 可以先參照上手試一試,或看看都用MindSpore干了撒
mindspore安裝教程,python,人工智能,python,開發(fā)語言

mindspore安裝教程,python,人工智能,python,開發(fā)語言

我的博客即將同步至騰訊云開發(fā)者社區(qū),邀請大家一同入駐:https://cloud.tencent.com/developer/support-plan?invite_code=2rzfr1pxqgysc文章來源地址http://www.zghlxwxcb.cn/news/detail-555123.html

到了這里,關(guān)于昇思 MindSpore 安裝教程的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點擊違法舉報進行投訴反饋,一經(jīng)查實,立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費用

相關(guān)文章

  • 任意模型都能蒸餾,異構(gòu)模型的知識蒸餾方法OFAKD已在昇思MindSpore開源

    任意模型都能蒸餾,異構(gòu)模型的知識蒸餾方法OFAKD已在昇思MindSpore開源

    自知識蒸餾方法在2014年被首次提出以來,其開始廣泛被應(yīng)用于模型壓縮領(lǐng)域。在更強大教師模型輔助監(jiān)督信息的幫助下,學(xué)生模型往往能夠?qū)崿F(xiàn)比直接訓(xùn)練更高的精度。然而,現(xiàn)有的知識蒸餾相關(guān)研究只考慮了同架構(gòu)模型的蒸餾方法,而忽略了教師模型與學(xué)生模型異構(gòu)的情形

    2024年02月22日
    瀏覽(18)
  • 論文精講 | 基于昇思MindSpore打造首個深度學(xué)習(xí)開源視頻壓縮算法庫OpenDMC,支持跨平臺和多種評價指標(biāo)

    論文精講 | 基于昇思MindSpore打造首個深度學(xué)習(xí)開源視頻壓縮算法庫OpenDMC,支持跨平臺和多種評價指標(biāo)

    論文標(biāo)題 OpenDMC: An Open-Source Library and Performance Evaluation for Deep-learning-based Multi-frame Compression 論文來源 ACM MultiMedia 論文鏈接 https://www.acmmm2023.org/open-source-program/ 代碼鏈接 https://openi.pcl.ac.cn/OpenDMC/OpenDMC 昇思MindSpore作為開源的AI框架,為產(chǎn)學(xué)研和開發(fā)人員帶來端邊云全場景協(xié)同、

    2024年02月02日
    瀏覽(109)
  • MindSpore保姆級安裝教程

    MindSpore保姆級安裝教程

    MindSpore是華為發(fā)布的開源AI計算框架。于2019年8月推出的新一代全場景AI計算框架,2020年3月28日,宣布MindSpore正式開源。 MindSpore總體架構(gòu): 簡單的開發(fā)體驗:幫助開發(fā)者實現(xiàn)網(wǎng)絡(luò)自動切分,只需串行表達就能實現(xiàn)并行訓(xùn)練,降低門檻,簡化開發(fā)流程。 靈活的調(diào)試模式 具備訓(xùn)

    2024年02月01日
    瀏覽(17)
  • Mindspore 公開課 - prompt

    Mindspore 公開課 - prompt

    prompt 介紹 Fine-Tuning to Prompt Learning Pre-train, Fine-tune BERT bidirectional transformer,詞語和句子級別的特征抽取,注重文本理解 Pre-train: Maked Language Model + Next Sentence Prediction Fine-tune: 根據(jù)任務(wù)選取對應(yīng)的representation(最后一層hidden state輸出),放入線性層中 例:Natural Language Inference P

    2024年01月17日
    瀏覽(28)
  • Mindspore 公開課 - GPT

    Mindspore 公開課 - GPT

    GPT Task 在模型 finetune 中,需要根據(jù)不同的下游任務(wù)來處理輸入,主要的下游任務(wù)可分為以下四類: 分類(Classification):給定一個輸入文本,將其分為若干類別中的一類,如情感分類、新聞分類等; 蘊含(Entailment):給定兩個輸入文本,判斷它們之間是否存在蘊含關(guān)系(即一

    2024年01月16日
    瀏覽(22)
  • Mindspore 公開課 - BERT

    Mindspore 公開課 - BERT

    BERT BERT模型本質(zhì)上是結(jié)合了 ELMo 模型與 GPT 模型的優(yōu)勢。 相比于ELMo,BERT僅需改動最后的輸出層,而非模型架構(gòu),便可以在下游任務(wù)中達到很好的效果; 相比于GPT,BERT在處理詞元表示時考慮到了雙向上下文的信息; BERT 結(jié)構(gòu) BERT(Bidirectional Encoder Representation from Transformers)是

    2024年01月16日
    瀏覽(18)
  • 基于MindSpore復(fù)現(xiàn)UNet—語義分割

    Unet模型于2015年在論文《U-Net: Convolutional Networks for Biomedical Image Segmentation》中被提出,最初的提出是為了解決醫(yī)學(xué)圖像分割問題,用于細胞層面的圖像分割任務(wù)。 UNet模型是在FCN網(wǎng)絡(luò)的基礎(chǔ)上構(gòu)建的,但由于FCN無法獲取上下文信息以及位置信息,導(dǎo)致準(zhǔn)確性較低,UNet模型由此

    2024年02月05日
    瀏覽(20)
  • MindSpore AI科學(xué)計算系類 | VAE基于MindSpore Elec的特征域MT反演,提升大地電磁反演的精度和分辨率

    MindSpore AI科學(xué)計算系類 | VAE基于MindSpore Elec的特征域MT反演,提升大地電磁反演的精度和分辨率

    背景 昇思MindSpore聯(lián)合清華大學(xué)、華為先進計算與存儲實驗室合作構(gòu)建了基于變分自編碼器的特征域大地電磁反演算法,通過靈活嵌入多物理先驗知識有效提升了復(fù)雜介質(zhì)地球物理反演的精度。 大地電磁(Magnetotelluric, MT)數(shù)據(jù)反演是通過地表測量的天然電磁場推斷地下介質(zhì)分

    2024年01月25日
    瀏覽(25)
  • 教你如何基于MindSpore進行ChatGLM微調(diào)

    本文分享自華為云社區(qū)《基于MindSpore的ChatGLM微調(diào)》,作者: JeffDing 。 安裝Transformer 執(zhí)行 python 腳本,合并模型權(quán)重。 執(zhí)行轉(zhuǎn)換腳本,得到轉(zhuǎn)換后的輸出文件ms_glm_6b.ckpt 注意可能會遇到以下錯誤: 解決方法: 原理:找到torch中的libgomp-d22c30c5.so.1 然后賦值給LD_PRELOAD環(huán)境變量,這

    2024年02月08日
    瀏覽(21)
  • Resnet實現(xiàn)CIFAR-10圖像分類 —— Mindspore實踐

    Resnet實現(xiàn)CIFAR-10圖像分類 —— Mindspore實踐

    ????????計算機視覺是當(dāng)前深度學(xué)習(xí)研究最廣泛、落地最成熟的技術(shù)領(lǐng)域,在手機拍照、智能安防、自動駕駛等場景有廣泛應(yīng)用。從2012年AlexNet在ImageNet比賽奪冠以來,深度學(xué)習(xí)深刻推動了計算機視覺領(lǐng)域的發(fā)展,當(dāng)前最先進的計算機視覺算法幾乎都是深度學(xué)習(xí)相關(guān)的。深

    2024年02月07日
    瀏覽(16)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包