08 2022 档案
摘要：1 概述 本文将介绍如何将PyTorch源码转换成MindSpore低阶API代码,并在Ascend芯片上实现单机单卡训练。 下图展示了MindSpore高阶API、低阶API和PyTorch的训练流程的区别。 与MindSpore高阶API相同，低阶API训练也需要进行：配置运行信息、数据读取和预
阅读全文
摘要：1 模型测试 在训练完成之后，需要测试模型在测试集上的表现。依据模型评估方式的不同，分以下两种情况 1.评估方式在MindSpore中已实现 MindSpore中提供了多种Metrics方式：Accuracy、Precision、Recall、F1、TopKCategoricalAccuracy、T
阅读全文
摘要：文章来源：华为云论坛_云计算论坛_开发者论坛_技术论坛-华为云 1 概述本文将介绍如何将PyTorch源码转换成MindSpore低阶API代码,并在Ascend芯片上实现单机单卡训练。下图展示了MindSpore高阶API、低阶API和PyTorch的训练流程的区别。 与MindSpore高阶AP
阅读全文
摘要：环境问题 总结：需要详细阅读《MindSpore安装指南》（https://www.mindspore.cn/install） 有几点需要注意： 1. MindSpore代码与Ascend配套软件包要匹配： https://www.mindspore.cn/versions 若不匹配，则可能会出现如
阅读全文
摘要：基于深度学习的数字调制信号盲识别研究 概述 信号调试方式识别技术在军、民等领域具有重要研究价值，信号调制方式的正确识别是通信接收机正确解调译码的前提。盲调制识别技术旨在接收未知调制信号类型并自动分类识别，此技术能在大量复杂多样的调制信号中正确识别调制格式，其对通信效率的提升颇有益处。目前基于深度学习
阅读全文
摘要：（也不知道自己为啥没注意到上图的e跑到下面来了。。。懒得改了。。。作为一个技术人员，要留BUG在人间。。） 近期张小白的周边发生了如下大事： （1）2022年4月，ubuntu推出22.04版本。 （2）MindSpore推出自动安装脚本 （3）张小白写过 【MindSpore易点通·漫游世界】在W
阅读全文
摘要：【MindSpore易点通·漫游世界】在Jetson AGX Orin上安装MindSpore 1.7.0 GPU版 GPU加速云服务器 MindSpore 发表于 2022-07-04 22:59:26304查看 张小白曾经在 Jetson AGX Orin上使用gcc 7.3.0成功源码编译安装
阅读全文
摘要：基于mindspore实现全连接网络的波士顿数据集房价预测 北京理工大学邱小尧，写本次帖子是基于机器学习实践课程完成的相关使用mindspore深度学习框架完成的任务，写一些分享心得，本次实验我们预采用mindspore进行 数据导入与准备 在这里我们使用准备好的txt文档进行数据读取，其中CRIM
阅读全文
摘要：上次 张小白使用 gcc 9.4.0源码编译 MindSpore 1.8.0 CUDA11的版本失败了：https://bbs.huaweicloud.com/forum/thread-193443-1-1.html 于是张小白提了一个问题贴：https://bbs.huaweicloud.com/
阅读全文
摘要：#基于TextCNN文本情感分类 在本次实验中我们用mindspore实现TextCNN的针对aclImdb情感分类任务。 数据加载 在这里基于TextCNN的方法我们需要指定文本句子长度，并且对句子进行处理（留下字母和空格其余符号删去）标定标签：pos：1，neg：0 maxlen =20 sen
阅读全文
摘要：基于mindspore实现疫苗接种数据预测 基于机器学习实践课程完成的相关使用mindspore深度学习框架完成的任务，写一些分享心得。 数据导入与准备 数据下载链接：https://pan.baidu.com/s/10npLE-JCKCmY4mBs1zDHpQ 提取码：23vb 疫苗接种数据集包含
阅读全文
摘要：今天要分享的是服务化部署框架（MindSpore Serving） 具体要实现的就是一个可以在线识图的页面。 1.MindSpore Serving安装 MindSpore Serving目前只能通过指定whl包安装 pip install https://ms-release.obs.cn-nor
阅读全文
摘要：基于mindspore的梯度下降实验 基于机器学习实践课程完成的相关使用mindspore深度学习框架完成的任务，写一些分享心得。 数据准备 使用numpy生成数据，之后使用mindspore的tensor进行转换： x = np.array([55,71,68,87,101,87,75,78,93
阅读全文
摘要：本项目利用MindSpore框架搭建YOLOv3目标检测模型，从PASCAL VOC 2012数据集中提取出的人体目标检测数据进行模型训练，得到一个人体目标检测模型。期望通过本次项目为MindSpore生态尽自己的一份绵薄之力。 1.环境准备 选择MindSpore版本为1.5或1.6，硬件为GPU
阅读全文
摘要：3.2 YOLOv3 为了节省篇幅，这一节只挑部分贴代码，更多的代码和包的导入请参考 附件\model\yolo.py。（参考：https://gitee.com/mindspore/models/tree/r1.5/official/cv/yolov3_darknet53） class YoloB
阅读全文
摘要：Dive Into MindSpore -- TFRecordDataset For Dataset Load MindSpore易点通·精讲系列--数据集加载之TFRecordDataset 本文开发环境 Ubuntu 20.04 Python 3.8 MindSpore 1.7.0 本文内容摘要
阅读全文
摘要：相关离线文件下载地址：https://pan.baidu.com/s/1TyxI_kEhnJzlxSOPHLAWfA?pwd=wq34 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
阅读全文
摘要：4.模型训练 这一部分可以参见 附件\train_yolov3.py，官方平台有更通用的训练代码（参见：https://gitee.com/mindspore/models/tree/r1.5/official/cv/yolov3_darknet53）。 4.1 导包 首先是导入包： import
阅读全文
摘要：5.模型评估 首先是导包以及设置context： from mindspore import context from dataset.voc2012_dataset import create_voc2012_dataset from model.yolo import YOLOV3DarkNet
阅读全文
摘要：Dive Into MindSpore–Lstm Operator For Network Construction MindSpore易点通·精讲系列–网络构建之LSTM算子 MindSpore易点通·精讲系列–网络构建之LSTM算子–上篇MindSpore易点通·精讲系列–网络构建之LSTM算子
阅读全文
摘要：背景 2017年，Libratus和DeepStack两个算法被提出，用于解决无限制德州扑克。DeepStack 和 Libratus不约而同的使用 Counterfactual Regret Minimization (CFR) 来找到接近纳什均衡策略。 网上有很多介绍CFR算法的文章，这些文章系
阅读全文
摘要：Dive Into MindSpore–Lstm Operator For Network Construction MindSpore易点通·精讲系列–网络构建之LSTM算子 MindSpore易点通·精讲系列–网络构建之LSTM算子–上篇MindSpore易点通·精讲系列–网络构建之LSTM算子
阅读全文
摘要：Dive Into MindSpore–Lstm Operator For Network Construction MindSpore易点通·精讲系列–网络构建之LSTM算子 MindSpore易点通·精讲系列–网络构建之LSTM算子–上篇MindSpore易点通·精讲系列–网络构建之LSTM算子
阅读全文
摘要：Dive Into MindSpore – Distributed Training With GPU For Model Train MindSpore易点通·精讲系列–模型训练之GPU分布式并行训练 本文开发环境 Ubuntu 20.04 Python 3.8 MindSpore 1.7.0 O
阅读全文
摘要：本项目基于MindSpre框架、YOLOv3-Darknet53、VisDrone数据集实现目标检测与计数。 1.项目地址 https://github.com/whitewings-hub/mindspore-yolov3-vehicle_counting 2.环境准备 MindSpore版本为1
阅读全文
摘要：在Windows 11下搜索 Microsoft Store： 在Store中搜索ubuntu 20.04: 点击获取： 耐心等待下载完毕： 下载完毕后： 点击打开： 输入用户名:zhanghui 输入两次密码：zhanghui 就进入了ubuntu 20.04的环境。 使用nvidia-smi可
阅读全文
摘要：我们把 CPU,内存这块区域叫做“主机（HOST）”，把GPU，显存这块区域叫做“设备（DEVICE）”。（是不是跟昇腾有点类似？） CUDA的代码执行包含以下几步： 简述一下，就是 host_to_device-》在device上并行计算-》device_to_host。 cuda程序其实是一个对
阅读全文
摘要：线程层次的概念： 简单说，就是一个grid有多个block,一个block有多个thread. grid有多大，用gridDim表示它有多少个block，具体分为gridDim.x, gridDim.y，gridDim.z。 block有多大，用blockDim表示它有多少个thread，具体分为b
阅读全文
摘要：在GPU上，on-board memory包含以下类型： local memory 每个thread一个。线程私有。 global memory 每个grid一个。每个thread都可以读。 constant memory 每个grid一个。只读。每个thread都可以读。 texture memo
阅读全文
摘要：Event是CUDA中的事件，用于分析、检测CUDA程序中的错误。 一般我们会定义一个宏： #pragma once #include <stdio.h> #define CHECK(call) \ do \ { \ const cudaError_t error_code = call; \ if
阅读全文
摘要：CUDA的存储单元包含以下类型： 如下表所示： 名称位置用途使用方法限制备注 Register寄存器 GPU的SM上 存储局部变量 每个SM上有成千上万个一个线程最大数量为256个需要省着用 线程私有，最快线程退出则失效 Shared memory GPU芯片上 实现Block内的线程通信，目前最快
阅读全文
摘要：前言 1 本次Onnx模型推理任务不需要详细读原论文和源码，只需要清楚模型网络结构即可。 2 我们只用找到需要映射的算子就可以开始开发，本文也会依照以下流程进行讲解，完整讲述本次Onnx模型推理任务的开发流程： 3 不需要开发的同学：经过模型导出及算子分析后，如果发现所有算子都已经实现，请直接从第五
阅读全文
摘要：在接触强化学习过程中，大家可能在很多场合听说蒙特卡洛这个词，例如Monte Carlo Tree Search，Monte Carlo CFR。实际即便在策略梯度(Policy Gradients)算法中也使用了蒙特卡洛方法，本文将介绍Monte Carlo算法和在强化学习中的应用。 基本概念 Mo
阅读全文
摘要：import numpy as np import mindspore import mindspore as ms from mindspore import ops from mindspore import nn, Tensor, Parameter, context # context.se
阅读全文
摘要：MindScience之MindElec 电磁仿真结果可视化 1. MindElec（电磁仿真）简介 仿真就是对实际物体进行模型模拟，期望改善实力产品的性能，找到最优的设计方案。 电磁仿真就是对物体的电磁性能进行仿真模拟，以代替昂贵的原形，并改进设计。 其在手机容差、天线优化和芯片设计等场景中应用广
阅读全文
摘要：1. 关于Softmax 机器学习中有一个经典的方法：逻辑回归(Logistic Regression)。它属于一种有监督学习(Supervised Learning)方法。 逻辑回归输出的范围为0-1的值，表示概率，并依据概率的大小将样本归类，其中包括二分类问题与多分类问题。二分类逻辑回归模型输出
阅读全文
摘要：1 报错描述 1.1 系统环境 Environment(Ascend/GPU/CPU): GPU-GTX3090(24G)Software Environment:– MindSpore version (source or binary): 1.7.0– Python version (e.g.,
阅读全文
摘要：Dive Into MindSpore – MindDataset For Dataset Load MindSpore易点通·精讲系列–数据集加载之MindDataset 本文开发环境 Ubuntu 20.04 Python 3.8 MindSpore 1.7.0 本文内容摘要 背景介绍 先看文档
阅读全文
摘要：1 报错描述 1.1 系统环境 Environment(Ascend/GPU/CPU): GPU-GTX3090(24G)Software Environment:– MindSpore version (source or binary): 1.7.0– Python version (e.g.,
阅读全文
摘要：介绍 本项目的来源是我选修的北航与华为合作的《AI开源计算系统前沿技术》课程大作业。课程请到华为的各位专家介绍了华为目前的AI软硬件体系，并讲解了许多人工智能领域的知识。 我的大作业选题是用轻量级的网络模型backbone，实现手机端人脸检测算法，并使用MindSpore Lite在端侧推理部署。比
阅读全文
摘要：准备工作 使用MindSpore进行模型训练需要做以下的准备工作 训练的网络模型 训练数据以及数据处理 训练回调函数 启动训练的python脚本 网络模型 MindSpore提供了一个MindVision的开源网络工具箱，其中包含了很多的网络结构以及预训练数据，但在云端的NPU环境中 (当时使用的是
阅读全文
摘要：欣闻 昇思大模型体验平台开启公测了，地址为： https://xihe.mindspore.cn/ 于是迫不及待地去尝试了一下。 浏览器打开以上链接： 点击”快速开始“，系统会进入登陆界面： 张小白选择了 gitee登陆，会弹出以下窗口： 点击”同意授权“。系统会登陆成功： 点击”项目”，在下面的搜
阅读全文
摘要：图 图是一种结构化数据类型，由节点（nodes）和边（edges）组成，同时图本身也可以作为数据点。 图是一种非欧几里得数据，这也意味着它们可以存在于3D中。与图像、文本和音频等其他数据类型不同，图数据具有不规则性和高复杂的邻接关系。 CV里的图像数据（左）和GNN中图数据（右） 欧式空间中的卷积操
阅读全文
