摘要：本案例代码是FCOS论文复现的体验案例，此模型为FCOS论文中所提出算法在ModelArts + PyTorch框架下的实现。本代码支持FCOS + ResNet-101在MS-COCO数据集上完整的训练和测试流程 本文分享自华为云社区《通用物体检测算法 FCOS(目标检测/Pytorch)》
摘要：本案例将为大家介绍视频动作识别领域的经典模型并进行代码实践。 本文分享自华为云社区《视频动作识别》，作者：HWCloudAI。实验目标 通过本案例的学习： 掌握 C3D 模型训练和模型推理、I3D 模型推理的方法； 注意事项 本案例推荐使用TensorFlow-1.13.1，需使用 GPU 运
摘要：反向传播指的是计算神经网络参数梯度的方法。 本文分享自华为云社区《反向传播与梯度下降详解》，作者：嵌入式视觉 。 一，前向传播与反向传播 1.1，神经网络训练过程 神经网络训练过程是： 先通过随机参数“猜“一个结果（模型前向传播过程），这里称为预测结果 a； 然后计算 a 与样本标签值 y 的
摘要：残差网络(ResNet)的提出是为了解决深度神经网络的“退化”（优化）问题。ResNet 通过设计残差块结构，调整模型结构，让更深的模型能够有效训练更训练。 本文分享自华为云社区《Backbone 网络-ResNet 网络详解》，作者： 嵌入式视觉 。 摘要 残差网络(ResNet)的提出是为
Vicuna-13B的推理效果据说达到了ChatGPT的90%以上的能力，优于LLaMA-13B和Alpaca-13B的效果。同时Vicuna的训练成本也很低，所以尝试本地化部署一下Vicuna-7B，看看效果如何，说干就干。
针对场景文本检测任务，近期基于DEtection TRansformer (DETR) 框架预测控制点的研究工作较为活跃。在基于DETR的检测器中，query的构建方式至关重要，现有方法中较为粗糙的位置先验信息构建导致了较低的训练效率以及性能。除此之外，在如何监督模型方面，之前工作中使用的点标签形式
## 前言 先介绍下这个项目。 最近我一直在探索大语言模型，根据不同场景训练了好几个模型，为了让用户测试使用，需要开发前端。 这时候，用 Gradio 搭建的前端是不太够的，虽说 GitHub 上也有一堆开源的 ChatGPT 前端，但我看了一圈，并没有找到便于二次开发定制的，再一想，这么简单的功能
本文介绍了如何使用ModelBox开发一个动物目标检测的AI应用，从而掌握图片标注、数据处理和模型训练方法，以及对应的推理应用逻辑。
> 本文深入探讨了前馈神经网络（FNN）的核心原理、结构、训练方法和先进变体。通过Python和PyTorch的实战演示，揭示了FNN的多样化应用。 > 作者TechLead，拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，
11月26日至27日，UWA世界超高清视频产业联盟（以下简称“UWA联盟”）、上海交通大学-南加州大学文化创意产业学院、华为联合举办了“互联智慧，共赢未来” 超高清音视频技术与生态发展高峰论坛暨Audio Vivid空间音频工具花瓣三维声训练营。中央广播电视总台超高清视音频制播呈现国家重点实验室、I
摘要：本实践是基于Windows版MindStudio 5.0.RC3，远程连接ECS服务器使用，ECS是基于官方分享的CANN6.0.RC1_MindX_Vision3.0.RC3镜像创建的。 本文分享自华为云社区《【MindStudio训练营第一季】基于U-Net网络的图像分割的MindStud
一：背景 1. 讲故事 前段时间在用 腾讯会议 直播的时候，居然意外崩溃了，还好不是在训练营上课，不然又得重录了，崩完之后发现 腾讯会议 的 bugreport 组件会自动生成一个 minidump，截图如下： 作为一个.NET高级调试的技术博主，非 .NET 的程序也得要研究研究哈😄😄😄，有
同步算法的共性是所有的节点会以一定的频率进行全局同步。然而，当工作节点的计算性能存在差异，或者某些工作节点无法正常工作（比如死机）的时候，分布式系统的整体运行效率不好，甚至无法完成训练任务。为了解决此问题，人们提出了异步的并行算法。在异步的通信模式下，各个工作节点不需要互相等待，而是以一个或多个全局服务器做为中介，实现对全局模型的更新和读取。这样可以显著减少通信时间，从而获得更好的多机扩展性。
摘要：编写一个Ascend C的sqrt算子，并通过内核调用方式在cpu和npu模式下进行验证。 本文分享自华为云社区《【2023 · CANN训练营第一季】——Ascend C sqrt算子实战》，作者：dayao。 前言 编写一个Ascend C的sqrt算子，并通过内核调用方式在cpu和npu
一、概述 分类模型是机器学习中一种最常见的问题模型，在许多问题场景中有着广泛的运用，是模式识别问题中一种主要的实现手段。分类问题概况起来就是，对一堆高度抽象了的样本，由经验标定了每个样本所属的实际类别，由特定算法训练得到一个分类器，输入样本属性即自动计算出其所属类别，从而完成特定的识别任务。依实现原
大模型技术的发展和应用，预示着更加智能化、个性化未来的到来。如果将大模型比喻为正在疾驰的科技列车，语料便是珍贵的“燃料”。本次世界人工智能大会期间，合合信息为大模型打造的“加速器”解决方案备受关注。 在大模型训练的上游阶段，“加速器”中的文档解析引擎将助力大模型突破在书籍、论文、研报等文档中的版面解
近日，阿里通义实验室开源了CosyVoice语音模型，它支持自然语音生成，支持多语言、音色和情感控制，在多语言语音生成、零样本语音生成、跨语言声音合成和指令执行能力方面表现卓越。 CosyVoice采用了总共超15万小时的数据训练，支持中英日粤韩5种语言的合成，合成效果显著优于传统语音合成模型。 C
大侠幸会，在下全网同名「算法金」 0 基础转 AI 上岸，多个算法赛 Top 「日更万日，让更多人享受智能乐趣」 线性回归的理论依据是什么？ 多重共线性是什么，它如何影响线性回归模型？ 什么是自相关性，自相关性对线性回归有什么影响？ 什么是异方差性，如何检测和处理异方差性？ 训练数据与测试数据分布不
这学期机器学习考核方式以大作业的形式进行考核，而且只能使用一些传统的机器学习算法。 综合再三，选择了自己比较熟悉的MNIST数据集以及OpenCV来完成手写数字的分割和识别作为大作业。 1. 数据集准备 MNIST数据集是一个手写数字的数据库，包含60000张训练图片和10000张测试图片，每张图片
系列文章目录 机器学习算法（一）：1. numpy从零实现线性回归 机器学习算法（一）：2. 线性回归之多项式回归（特征选取） @目录系列文章目录前言一、理论介绍二、代码实现1、导入库2、准备数据集3、定义预测函数（predict）4 代价（损失）函数5 计算参数梯度6 批量梯度下降7 训练8 可视
