MindSpore网络模型类 Q：使用MindSpore进行模型训练时，CTCLoss的输入参数有四个：inputs, labels_indices, labels_values, sequence_length，如何使用CTCLoss进行训练？ A：定义的model.train接口里接收的dataset可以是多个数据组成，形如(data1, data2, data3, …)，所以dataset是可以包含
MindSpore平台系统类 Q:MindSpore只能在华为自己的NPU上跑么？ A: MindSpore同时支持华为自己的Ascend NPU、GPU与CPU，是支持异构算力的。 Q：MindSpore在Ascend 310上是否可以转AIR模型？ A：Ascend 310不能导出AIR，需要在Ascend 910加载训练好的checkpoint后,导出AIR，然后在Ascend 310转成
MindSpore基准性能 本文介绍MindSpore的基准性能。MindSpore网络定义可参考Model Zoo。 训练性能 ResNet 以上数据基于华为云AI开发平台ModelArts测试获得，是训练过程整体下沉至Ascend 910 AI处理器执行所得的平均性能。 业界其他开源框架数据可参考：ResNet-50 v1.5 for TensorF
MindSpore技术理解（下） 4 GraphEngine 由于深度学习算法需要进行大量的计算，很多公司都设计了自己的深度学习专用处理器（如谷歌的张量处理器、阿里巴巴的含光等），华为也发布了自主设计的神经网络处理单元（Neural Processing Unit，NPU）——昇腾系列芯片。可以借助 GE 在 GPU、CPU、昇腾系列
MindSpore技术理解（上） 引言 深度学习研究和应用在近几十年得到了爆炸式的发展，掀起了人工智能的第三次浪潮，并且在图像识别、语音识别与合成、无人驾驶、机器视觉等方面取得了巨大的成功。这也对算法的应用以及依赖的框架有了更高级的要求。深度学习框架的不断发展使得在大型数据集上
MindSpore图像分类模型支持（Lite） 图像分类介绍 图像分类模型可以预测图片中出现哪些物体，识别出图片中出现物体列表及其概率。 比如下图经过模型推理的分类结果为下表： 类别 概率 plant 0.9359 flower 0.8641 tree 0.8584 houseplant
MindSpore静态图语法支持 概述 在Graph模式下，Python代码并不是由Python解释器去执行，而是将代码编译成静态计算图，然后执行静态计算图。 关于Graph模式和计算图，可参考文档：https://www.mindspore.cn/tutorial/training/zh-CN/r1.1/advanced_use/debug_in_pynative_mode.html 当前仅支
MindSpore基本原理 MindSpore介绍 自动微分 自动并行 安装 pip方式安装 源码编译方式安装 Docker镜像 快速入门 文档 MindSpore介绍 MindSpore是一种适用于端边云场景的新型开源深度学习训练/推理框架。 MindSpore提供了友好的设计和高效的执行，旨在提升数据科学家和算法工程
【摘要】 本文主要通过两个实际应用案例：一是基于本地 Jupyter Notebook 的 MNIST 手写数据识别；二是基于华为云服务器的 CIFAR-10 图像分类，对开源框架 MindSpore 进行介绍。 犹记得今年的华为开发者大会 HDC 2020 上，一直受人瞩目的深度学习框架 MindSpore 终于开源了。 我之前
人们常言人工智能第三次浪潮的兴起要得益于算力取得长足进步以及海量丰富数据源源不断地产生，但同样不能忽视的是人工智能框架为人工智能应用落地所取得的突出作用。提到人工智能框架，开发者们脑子里立马会闪现出TensorFlow、Keras、PyTorch、MXNet、Caffe2、FastAI这些名字。人工智
