AI开发平台ModelArts 

ModelArts是面向开发者的一站式AI开发平台,为机器学习与深度学习提供海量数据预处理及半自动化标注、大规模分布式Training、自动化模型生成,及端-边-云模型按需部署能力,帮助用户快速创建和部署模型,管理全周期AI工作流。

 
 

    深度学习 模型 算子 内容精选 换一换
  • 深度学习

    华为云计算 云知识 深度学习 深度学习 时间:2020-11-23 16:30:56 深度学习( Deep Learning,DL)是机器学习的一种,机器学习是实现人工智能的必由之路。深度学习的概念源于人工神经网络的研究,包含多个隐藏层的多层感知器就是深度学习结构。深度学习通过组合低层特

    来自:百科

    查看更多 →

  • 深度学习概览

    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

    来自:百科

    查看更多 →

  • 深度学习 模型 算子 相关内容
  • 从MindSpore手写数字识别学习深度学习

    从MindSpore手写数字识别学习深度学习 从MindSpore手写数字识别学习深度学习 时间:2020-11-23 16:08:48 深度学习作为机器学习分支之一,应用日益广泛。语音识别、自动机器翻译、即时视觉翻译、刷脸支付、人脸考勤……不知不觉,深度学习已经渗入到我们生活中的每个

    来自:百科

    查看更多 →

  • 大V讲堂——双向深度学习

    大V讲堂——双向深度学习 大V讲堂——双向深度学习 时间:2020-12-09 14:52:19 以当今研究趋势由前馈学习重新转入双向对偶系统为出发点,从解码与编码、识别与重建、归纳与演绎、认知与求解等角度,我们将概括地介绍双向深度学习的历史、发展现状、应用场景,着重介绍双向深度学习理论、算法和应用示例。

    来自:百科

    查看更多 →

  • 深度学习 模型 算子 更多内容
  • AI技术领域课程--深度学习

    。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。

    来自:百科

    查看更多 →

  • 基于深度学习算法的语音识别

    华为云计算 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。

    来自:百科

    查看更多 →

  • 大V讲堂——能耗高效的深度学习

    云知识 大V讲堂——能耗高效的深度学习 大V讲堂——能耗高效的深度学习 时间:2020-12-08 10:09:21 现在大多数的AI模型,尤其是计算视觉领域的AI模型,都是通过深度神经网络来进行构建的,从2015年开始,学术界已经开始注意到现有的神经网络模型都是需要较高算力和能好的。

    来自:百科

    查看更多 →

  • 深度学习:IoT场景下的AI应用与开发

    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

    来自:百科

    查看更多 →

  • 为什么要自定义算子

    绝大多数情况下,由于昇腾AI软件栈支持绝大多数算子,开发者不需要进行自定义算子的开发,只需提供深度学习模型文件,通过离线模型生成器(OMG)转换就能够得到离线模型文件,从而进一步利用流程编排器(Matrix)生成具体的应用程序。既然如此,为什么还需要自定义算子呢?这是因为在模型转换过程中出现了算子不支持的情况,

    来自:百科

    查看更多 →

  • 昇腾AI软件栈逻辑架及功能介绍

    nsorFlow框架下已经生成的模型文件和权重文件转换成离线模型文件,并可以在昇腾AI处理器上独立执行。离线模型执行器负责加载和卸载离线模型,并将加载成功的模型文件转换为可执行在昇腾AI处理器上的指令序列,完成执行前的程序编译工作。这些离线模型的加载和执行都需要流程编排器进行统筹

    来自:百科

    查看更多 →

  • 自定义TBE算子入门,不妨从单算子开发开始

    自定义TBE算子入门,不妨从单算子开发开始 自定义TBE算子入门,不妨从单算子开发开始 时间:2021-01-08 11:18:54 人工智能 如何提高算子的计算性能?怎样修改现有算子的计算逻辑?昇腾AI软件栈不支持模型中的算子怎么办?别急别急,和我一起从单算子开发学习自定义算子开发吧!

    来自:百科

    查看更多 →

  • 计算机视觉基础:深度学习和神经网络

    、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

    来自:百科

    查看更多 →

  • 张量加速引擎(TBE)的三种应用场景

    Engine)作为算子的兵工厂,为基于昇腾AI处理器运行的神经网络提供算子开发能力,用TBE语言编写的TBE算子来构建各种神经网络模型。同时,TBE对算子也提供了封装调用能力。在TBE中有一个优化过的神经网络TBE标准算子库,开发者可以直接利用标准算子库中的算子实现高性能的神经网

    来自:百科

    查看更多 →

  • 模型转换及其常见问题

    持的离线模型模型转换过程中可以实现算子调度的优化、权值数据重排、内存使用优化等,可以脱离设备完成模型的预处理。 另外,离线模型转换过程中,80%左右的问题,集中在算子不支持。 1、新网络,其中算子未开发或发布; 2、原框架自定义算子,需要在新框架重新适配开发; 3、算子泛化不够,某些数据大小不支持。

    来自:百科

    查看更多 →

  • 人工智能学习入门

    AI技术领域课程--机器学习 AI技术领域课程--深度学习 AI技术领域课程--生成对抗网络 AI技术领域课程--强化学习 AI技术领域课程--图网络 AI技术领域课程--机器学习 AI技术领域课程--深度学习 AI技术领域课程--生成对抗网络 AI技术领域课程--强化学习 AI技术领域课程--图网络

    来自:专题

    查看更多 →

  • 人工智能学习入门

    AI技术领域课程--机器学习 AI技术领域课程--深度学习 AI技术领域课程--生成对抗网络 AI技术领域课程--强化学习 AI技术领域课程--图网络 AI技术领域课程--机器学习 AI技术领域课程--深度学习 AI技术领域课程--生成对抗网络 AI技术领域课程--强化学习 AI技术领域课程--图网络

    来自:专题

    查看更多 →

  • 框架管理器离线模型生成介绍

    持卷积算子、全连接算子以及深度可分离卷积(ConvolutionDepthwise)等带有参数算子的量化。 3、编译 在完成模型量化后,需要对模型进行编译,编译分为算子编译和模型编译两个部分,算子编译提供算子的具体实现,模型编译将算子模型聚合连接生成离线模型结构。 -算子编译 算

    来自:百科

    查看更多 →

  • 什么是算子

    华为云计算 云知识 什么是算子 什么是算子 时间:2021-02-10 17:48:19 人工智能 【热门云产品免费试用活动】| 【最新活动】| 【企业应用优惠】 深度学习算法由一个个计算单元组成,我们称这些计算单元为算子(Operator,简称Op)。算子是一个函数空间到函数空间

    来自:百科

    查看更多 →

  • LiteAI四大"杀手锏",解锁物联网智能设备AI开发难关

    开发者的“痛”,你遇到过么? 很多AI开发者开发者在训练得到AI模型之后,必须得在设备上实现模型的推理才能获得相应的AI能力,但目前AI模型不能直接在设备上运行起来。这就意味着,开发者还得有一套对应的推理框架才能真正实现AI与IoT设备的结合。 另外,目前深度学习虽然可以在很多领域超越传统算法,不过真正

    来自:百科

    查看更多 →

  • ModelArts有什么优势

    个或多个功能。 易上手 提供多种预置模型,开源模型想用就用。 模型超参自动优化,简单快速。 零代码开发,简单操作训练出自己的模型。 支持模型一键部署到云、边、端。 高性能 自研MoXing深度学习框架,提升算法开发效率和训练速度。 优化深度模型推理中GPU的利用率,加速云端在线推理。

    来自:百科

    查看更多 →

  • ModelArts

    模型超参自动优化,简单快速。 零代码开发,简单操作训练出自己的模型。 支持模型一键部署到云、边、端。 高性能 自研MoXing深度学习框架,提升算法开发效率和训练速度。 优化深度模型推理中GPU的利用率,加速云端在线推理。 可生成在Ascend芯片上运行的模型,实现高效端边推理。 灵活 支持多种主流开

    来自:百科

    查看更多 →

共105条
看了本文的人还看了