摘要：
微调torchvision 0.3的目标检测模型 本文将微调在 Penn-Fudan 数据库中对行人检测和分割的已预先训练的 Mask R-CNN 模型。它包含170个图像和345个行人实例，说明如何在 torchvision 中使用新功能，以便在自定义数据集上训练实例分割模型。 1.定义数据集 对 阅读全文
posted @ 2021-02-08 06:05
吴建明wujianming
阅读(396)
评论(0)
推荐(0)
摘要：
超轻量AI引擎MindSpore Lite 揭秘一下端上的AI引擎：MindSpore Lite。 MindSpore Lite是MindSpore全场景AI框架的端侧引擎，目前MindSpore Lite作为华为HMS Core机器学习服务的推理引擎底座，已为全球1000+应用提供推理引擎服务，日 阅读全文
posted @ 2021-02-07 17:42
吴建明wujianming
阅读(643)
评论(0)
推荐(0)
摘要：
MindSpore 高阶优化器 MindSpore自研优化器THOR(Trace-based Hardware-driven layer-ORiented Natural Gradient Descent Computation)，该优化器在ImageNet上训练ResNet50，使用MindSpo 阅读全文
posted @ 2021-02-07 16:27
吴建明wujianming
阅读(181)
评论(0)
推荐(0)
摘要：
MindSpore模型精度调优实践 引论：在模型的开发过程中，精度达不到预期常常让人头疼。为了帮助用户解决模型调试调优的问题，为MindSpore量身定做了可视化调试调优组件：MindInsight。还梳理了针对常见精度问题的调试调优指南，将以“MindSpore模型精度调优实战”系列文章的形式分享 阅读全文
posted @ 2021-02-07 15:58
吴建明wujianming
阅读(170)
评论(0)
推荐(0)
摘要：
保存和加载模型 当保存和加载模型时，需要熟悉三个核心功能： torch.save：将序列化对象保存到磁盘。此函数使用Python的pickle模块进行序列化。使用此函数可以保存如模型、tensor、字典等各种对象。 torch.load：使用pickle的unpickling功能，将pickle对象 阅读全文
posted @ 2021-02-07 06:47
吴建明wujianming
阅读(328)
评论(0)
推荐(0)
摘要：
混合前端seq2seq模型部署 本文介绍，如何将seq2seq模型转换为PyTorch可用的前端混合Torch脚本。要转换的模型来自于聊天机器人教程Chatbot tutorial。 1.混合前端 在一个基于深度学习项目的研发阶段, 使用像PyTorch这样即时eager、命令式的界面进行交互能带来 阅读全文
posted @ 2021-02-07 06:36
吴建明wujianming
阅读(315)
评论(0)
推荐(0)
摘要：
PyTorch迁移学习 实际中，基本没有人会从零开始（随机初始化）训练一个完整的卷积网络，因为相对于网络，很难得到一个足够大的数据集[网络很深, 需要足够大数据集]。通常的做法是在一个很大的数据集上进行预训练，得到卷积网络ConvNet, 然后，将这个ConvNet的参数，作为目标任务的初始化参数， 阅读全文
posted @ 2021-02-07 06:05
吴建明wujianming
阅读(211)
评论(0)
推荐(0)
摘要：
PyTorch全连接ReLU网络 1．PyTorch的核心是两个主要特征： 一个n维张量，类似于numpy，但可以在GPU上运行 搭建和训练神经网络时的自动微分/求导机制 本文将使用全连接的ReLU网络作为运行示例。该网络将有一个单一的隐藏层，并将使用梯度下降训练，通过最小化网络输出和真正结果的欧几 阅读全文
posted @ 2021-02-07 05:49
吴建明wujianming
阅读(725)
评论(0)
推荐(0)
摘要：
TensorFlow文本情感分析实现 前面介绍了如何将卷积网络应用于图像。本文将把相似的想法应用于文本。 文本和图像有什么共同之处？乍一看很少。但是，如果将句子或文档表示为矩阵，则该矩阵与其中每个单元是像素的图像矩阵没有什么区别。 接下来的问题是，如何能够将文本表示为矩阵？好吧，这很简单：矩阵的每一 阅读全文
posted @ 2021-02-06 06:11
吴建明wujianming
阅读(202)
评论(0)
推荐(0)
摘要：
TensorFlow创建DeepDream网络 Google 于 2014 年在 ImageNet 大型视觉识别竞赛（ILSVRC）训练了一个神经网络，并于 2015 年 7 月开放源代码。 该网络学习了每张图片的表示。低层学习低级特征，比如线条和边缘，而高层学习更复杂的模式，比如眼睛、鼻子、嘴巴等 阅读全文
posted @ 2021-02-06 05:56
吴建明wujianming
阅读(93)
评论(0)
推荐(0)
浙公网安备 33010602011771号