mindspore专题

Mindspore 初学教程 - 3. Tensor 张量

张量（Tensor）是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数，这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在 n n n 维空间内，有 n r n^{r} nr 个分量的一种量，其中每个分量都是坐标的函数，而在坐标变换时，这些分量也依照某些规则作线性变换。 r r r 称为该张量的秩或阶（与矩阵的秩和阶均无关系）。张量是一种特殊的数据结构，

mindspore打卡第三课模型定义和训练全流程

```python import mindspore from mindspore import nn, ops class Network(nn.Cell): ### 先定义类合参数需要初始化实例 def __init__(self): super().__init__() self.flatten = nn.Flatten()

昇思MindSpore全场景深度学习框架总结

昇思MindSpore介绍 MindSpore是一个全场景深度学习框架，旨在实现易开发、高效执行、全场景统一部署三大目标，具体包括API友好、调试难度低、计算效率、数据预处理效率和分布式训练效率高以及支持云、边缘和端侧场景。昇思MindSpore的各个扩展功能模块，包括模型库、扩展库、科学计算、全场景统一API、数据处理层、AI编译器、全场景运行时、可视化调试调优工具和安全增强库等。这些

MindSpore实践图神经网络之GCN

GCN介绍图卷积网络（GCN）于2016年提出，旨在对图结构数据进行半监督学习。它提出了一种基于卷积神经网络有效变体的可扩展方法，可直接在图上操作。该模型在图边缘的数量上线性缩放，并学习隐藏层表示，这些表示编码了局部图结构和节点特征。 GCN（图卷积神经网络) 类似CNN（卷积神经网络），只不过CNN用于二维数据结构，GCN用于图数据结构。GCN实际上跟CNN的作用一样，就是一个特征提取器

MindSpore实践图神经网络之环境篇

MindSpore在Windows11系统下的环境配置。 MindSpore环境配置大概分为三步：（1）安装Python环境，（2）安装MindSpore，（3）验证是否成功如果是GPU环境还需安装CUDA等环境，可以参照官网 https://www.mindspore.cn/install 接下来介绍几款开发IDE以及辅助工具，此处省略了上一节Minicanda安装Python环境，

Atlas 200I DK A2安装MindSpore Ascend版本

一、参考资料 mindspore快速安装二、重要说明经过博主多次尝试多个版本，Atlas 200I DK A2无法安装MindSpore Ascend版本。也有其他博主测试，也未尝成功，例如：【MindSpore易点通·漫游世界】在Atlas 200I DK A2 (CANN6.2.RC2)上安装MindSpore Ascend版的踩坑记录 mindspore 1.5.2 报错无

Atlas 200 DK(Model 3000)安装MindSpore Ascend版本

一、参考资料 mindspore快速安装二、重要说明经过博主多次尝试多个版本，Atlas 200 DK（Model 3000）无法安装MindSpore Ascend版本。三、准备工作 1. 测试环境设备型号：Atlas 200 DK(Model: 3000)Operating System + Version: Ubuntu 18.04.6 LTSCPU Type: 8核

华为开源自研AI框架昇思MindSpore应用案例：在ResNet-50网络上应用二阶优化实践

常见的优化算法可分为一阶优化算法和二阶优化算法。经典的一阶优化算法如SGD等，计算量小、计算速度快，但是收敛的速度慢，所需的迭代次数多。而二阶优化算法使用目标函数的二阶导数来加速收敛，能更快地收敛到模型最优值，所需要的迭代次数少，但由于二阶优化算法过高的计算成本，导致其总体执行时间仍然慢于一阶，故目前在深度神经网络训练中二阶优化算法的应用并不普遍。二阶优化算法的主要计算成本在于二阶信息矩阵（He

华为AI框架：MindSpore+MindInsight安装-Ubuntu

MindSpore+MindInsight安装-Ubuntu MindSpore介绍和安装缘由 MindSpore是华为开源自研AI框架，类似于Pytorch和Tensorflow。因为任务需求，需要将代码转换为MindSpore的版本，故学习和使用。由于现在还在发展中，这个框架还存在一些问题。在安装中我就遇到了一些问题，记录下来希望对其他人有所帮助。 ###安装MindSpore 在尝试

MindSpore项目中_c_expression.py这样的文件名可能并不直接存在它是通过pybind11调用C++实现

from mindspore._c_expression import Tensor as Tensor_在MindSpore项目中，_c_expression.py这样的文件名可能并不直接存在它是通过pybind11调用C++实现请举个例子说明 from mindspore.c_expression import Tensor as Tensor from mindspore import

HarmonyOS 实战开发-MindSpore Lite引擎进行模型推理

场景介绍 MindSpore Lite 是一款 AI 引擎，它提供了面向不同硬件设备 AI 模型推理的功能，目前已经在图像分类、目标识别、人脸识别、文字识别等应用中广泛使用。本文介绍使用 MindSpore Lite 推理引擎进行模型推理的通用开发流程。基本概念在进行开发前，请先了解以下概念。张量：它与数组和矩阵非常相似，是 MindSpore Lite 网络运算中的基本数据结

三分钟设计自己的工厂！基于昇腾AI处理器昇思MindSpore打造的智能化工大模型为化工研发效率带来10+倍提升

前言：华为与大连化物所深度合作，联合推出智能化工大模型，AI赋能化工领域，拥抱科学创新，提供了数据驱动化工研发的新范式。 2024年3月22日，在北京国家会议中心召开的昇思人工智能框架峰会上发布了由华为AI4S Lab与中国科学院大连化学物理研究所叶茂研究员与刘中民院士等团队深度合作、共同打造的智能化工大模型。基于昇腾AI处理器、昇思MindSpore框架，研发团队围绕该模型，构建了首个化工设计

华为开源自研AI框架昇思MindSpore应用案例：数据处理性能优化

如果你对MindSpore感兴趣，可以关注昇思MindSpore社区数据是整个深度学习中最重要的一环，因为数据的好坏决定了最终结果的上限，模型的好坏只是去无限逼近这个上限，所以高质量的数据输入，会在整个深度神经网络中起到积极作用，数据在整个数据处理和数据增强的过程像经过pipeline管道的水一样，源源不断地流向训练系统，如图所示： MindSpore Dataset为用

昇思MindSpore 2.3全新发布 | 昇思人工智能框架峰会2024圆满举办

以“为智而昇，思创之源”为主题的昇思人工智能框架峰会2024今日在北京国家会议中心举办，旨在汇聚AI产业界创新力量，推动根技术持续创新，共建人工智能开源新生态。北京时间3月22日消息，人工智能框架作为软件根技术，已成为加速人工智能大模型开发、推动产业智能化发展的核心力量。以“为智而昇，思创之源”为主题的昇思人工智能框架峰会2024今日在北京国家会议中心举办，旨在汇聚AI产业界创新力量，推动根技

华为开源自研AI框架昇思MindSpore应用案例：梯度累加

目录一、环境准备1.进入ModelArts官网2.使用CodeLab体验Notebook实例二、案例实现梯度累加的训练算法，目的是为了解决由于内存不足，导致Batch size过大神经网络无法训练，或者网络模型过大无法加载的OOM（Out Of Memory）问题。如果你对MindSpore感兴趣，可以关注昇思MindSpore社区一、环境准备 1.

win10 + cpu + pycharm + mindspore

MindSpore是华为公司自研的最佳匹配昇腾AI处理器算力的全场景深度学习框架。 1、打开官网： MindSpore官网 2、选择以下选项： 3、创建conda 环境，这里python 选择3.9.0，也可以选择其他版本： conda create -c conda-forge -n mindspore_py39 -c conda-forge python=3.9.0 activa

【InternLM 实战营笔记】基于 InternLM 和 LangChain 搭建MindSpore知识库

InternLM 模型部署准备环境拷贝环境 /root/share/install_conda_env_internlm_base.sh InternLM 激活环境 conda activate InternLM 安装依赖 # 升级pippython -m pip install --upgrade pippip install modelscope==1.9.5pip in

基于Mindspore，通过Resnet50迁移学习实现猫十二分类

使用平台介绍使用平台：启智AI协作平台使用数据集：百度猫十二分类数据集介绍有cat_12_train和cat_12_test和train_list.txt train_list.txt内有每张图片所对应的标签 Minspore部分操作科普数据集加载 Mindspore加载图片数据集就直接调整成这种格式就行，然后可以用这个函数加载，自动生成两个列，一列是图片，一列是标签；Ima

基于openKylin与RISC-V的MindSpore AI项目实践

项目目标：在openKylin系统上安装和配置MindSpore框架。开发一个简单的图像分类模型，并在RISC-V平台上进行训练和推理。根据RISC-V的特性，对MindSpore框架进行必要的优化。目录项目目标：训练模型编写训练代码，设置优化器、损失函数等，并开始训练模型。模型推理在模型训练完成后，我们可以进行推理，即使用训练好的模型对新的图像进行分类。首先，我

MindSpore应用实践——BDCI 华为零售商品识别竞赛一等奖方案分享

GiantPandaCV导语上学期快结束的时候参加了华为和CCF组织的零售商品识别的比赛，队伍名称为GiantPandaCV队，比赛大约持续了两个月，期间从开始摸索MindSpore框架，配置环境，上手ModelArts花费了不少功夫。现在比赛终于告一段落，本文进行一下复盘。背景 CCF大数据与计算智能大赛（CCF Big Data & Computing Intel

华为开源自研AI框架昇思MindSpore应用案例：ResNet50迁移学习

目录一、环境准备1.进入ModelArts官网2.使用CodeLab体验Notebook实例二、数据准备下载数据集三、加载数据集数据集可视化四、训练模型构建Resnet50网络模型微调训练和评估可视化模型预测固定特征进行训练可视化模型预测在实际应用场景中，由于训练数据集不足，所以很少有人会从头开始训练整个网络。普遍的做法是，在一个非常大的基础数据集上训练得到一个预

安装MindSpore过程出现报错提示：‘This is an issue with the package mentioned above, not pip’

安装MindSpore出现错误了是为啥 ****************************************************解答***************************************************** 在使用自动安装脚本之前，需要确保系统正确安装了昇腾AI处理器配套软件包。如果没有安装，请先参考安装昇腾AI处理器配套软件包小节进行安装

昇思MindSpore技术公开课——第三课：GPT

1、学习总结 1.1Unsupervised Language Modelling GPT代表“生成预训练”（Generative Pre-trained Transformer）。GPT模型是由OpenAI公司开发的一种基于Transformer架构的人工智能语言模型。它在大规模文本数据上进行预训练，学习了丰富的语言知识和语境，并能够执行多种自然语言处理任务。 GPT模型的核心思想是在大规

【MindSpore两日训练营第五期笔记】导出MindIR格式模型

一、MindIR 概述 MindSpore通过统一IR定义了网络的逻辑结构和算子的属性，将MindIR格式的模型文件与硬件平台解耦，实现一次训练多次部署。 MindIR作为MindSpore的统一模型文件，同时存储了网络结构和权重参数值。同时支持部署到云端Serving和端侧Lite平台执行推理任务。同一个MindIR文件支持多种硬件形态的部署： - Serving部署推理 - 端侧Lit

Mindspore 公开课 - GPT

GPT Task 在模型 finetune 中，需要根据不同的下游任务来处理输入，主要的下游任务可分为以下四类：分类（Classification）：给定一个输入文本，将其分为若干类别中的一类，如情感分类、新闻分类等;蕴含（Entailment）：给定两个输入文本，判断它们之间是否存在蕴含关系（即一个文本是否可以从另一个文本中推断出来）;相似度（Similarity）：给定两个输入文本，计算

MindSpore v1.0实现简单的图片分类应用

转载地址：https://bbs.huaweicloud.com/forum/thread-84213-1-1.html 作者：樊川小肚因为时间不是很多，就使用aconda创建配置了相关环境，安装了mindspore v1.0版本，具体使用可查阅相关资料，安装没有问题。选择命令行安装，如上图所示，安装在相应目录下下载数据集，前两个训练用，后两个测试用，下载地址官网教程有。