如何从PyTorch迁移到MindSpore
相信做AI开发的小伙伴，有一大半用的都是PyTorch.我之前也是一直用PyTorch做开发。上个月参加了华为昇思25天打卡营，官方提供了充足的算力支持，几乎是不限时间不限量的那种，也让我体验了一把算力自由，好好感受了一番昇思框架。昇思真的是很好用的国产AI框架，但是因为之前的开发都是基于PyTor
EDA(Easy Decrypt AI) 算法推理工具
了解详情请私 解决你的逆向烦恼
大数据AI人工智能与 GPU、TPU 超级算力融合引领人类智能时代技术革命原理与应用实践
在21世纪的第三个十年,我们正站在人类智能时代的门槛上。这个新时代的到来,得益于大数据、人工智能(AI)以及GPU(图形处理器)和TPU(张量处理器)等超级算力的融合与发展。这些技术的结合不仅推动了科技的进步,更是引领着一场深刻的技术革命,正在重塑我们的社会、经济和生活方式。大数据为AI提供了海量的
ONNX深入研究（1）：AI模型优化与加速方法
得益于现有的硬件和加速器，深度学习在 2010 年代初开始兴起，在这种支持下，研究人员和工程师提出了更复杂、更大的模型。然而，内存消耗和执行时间等限制仍然是一个挑战。由于计算资源的限制，这些挑战在工程和商业领域变得更加突出。近年来，随着更大、更复杂的模型的普及，优化模型以使其能够以最小的资源消耗输出
Datawhale X 李宏毅苹果书AI夏令营 学习笔记
今天，我继续学习了深度学习中的优化算法，并且着重理解了如何利用。等高级优化器来提高模型训练的效率和效果。2024年8月30日。
AI：257-RevColV1 | 基于可逆列网络的YOLOv8小目标检测改进【附保姆级代码】
RevColV1的引入显著提高了YOLOv8在小目标检测任务中的性能。虽然模型的计算开销略有增加，但相较于其带来的性能提升，这种增加是值得的。RevColV1通过特征解耦和列网络设计有效地提升了模型对小目标的检测能力。
AI：258-YOLOv8改进 | 融合ACmix自注意力与卷积模型提升检测效率与实时性能
在目标检测领域，YOLO系列模型一直以其快速、高效的特性广受欢迎。YOLOv8作为这一系列的最新版本，具备较高的检测速度和较强的识别能力。然而，随着对复杂场景和小目标检测需求的增加，进一步优化模型的特征提取和识别效率成为改进的核心方向。本文将探讨如何通过引入**ACmix（自注意力与卷积混合模型）*
Python AI：构建智能应用的利器
Python AI 为开发者提供了一个构建智能应用的强大平台。凭借其丰富的 AI 库、活跃的社区和不断发展的生态系统，Python 必将在 AI 领域持续发挥重要作用，推动 AI 技术的发展和应用
【技术前沿】Flux.1部署教程入门--Stable Diffusion团队最前沿、免费的开源AI图像生成器
FLUX.1 是一种新的开源图像生成模型。它由 Stable Diffusion 背后的团队 Black Forest Labs 开发。博主碎碎念，可跳过：打算重新做做自己这个老号，高中时候开始做CSDN，那会儿写的是NOIP/NOI相关的算法东西，纯粹是写给自己看的；现在时隔多年，我也在清华站稳了
YOLO v8目标检测（三）模型训练与正负样本匹配
事件包含的信息量大小（事件发生的难度有多大）。小概率事件，它发生的难度比较大，所以有较大的信息量大概率事件，它发生的难度比较小，所以有较小的信息量概率和信息量是负相关的。
AI：256-优化YOLOv8 | 利用SENetV1提升目标检测性能的深入研究（保姆级代码）
SENetV1（Squeeze-and-Excitation Networks）由Jie Hu等人在2017年提出。其核心思想是通过引入SE模块来自适应地重标定通道特征的重要性，从而提升网络的表示能力和性能。
用亚马逊云科技Graviton高性能/低耗能处理器构建AI向量数据库（上篇）
Amazon Graviton 4 处理器由亚马逊云科技定制设计的第四代高性能、低功耗处理器，旨在为 Amazon 计算服务中的工作负载提供最佳性价比，相对于传统计算类工作负载（Graviton2）提供高达40%的性价比提升。与常见的 x86 处理器相比，基于 Graviton 4 的 EC2 实例
【AI落地应用实战】Amazon SageMaker JumpStart 体验零一万物的 Yi 1.5 模型
Amazon SageMaker JumpStart 是 Amazon SageMaker 平台的一部分，旨在帮助用户更快、更轻松地启动和开发机器学习项目。这是亚马逊云科技提供的一个非常实用的工具，特别适合那些希望迅速启动和开发机器学习项目的用户。SageMaker JumpStart 可以视为 S
Napkin AI：轻松将文字变视觉，一键生成信息图、流程图和图表
Napkin AI 是一款智能化的可视化工具，可以帮助用户快速将文字内容转换为信息图、流程图、图表等视觉呈现。无论是复杂的数据还是简单的文本，Napkin AI 都能通过一键操作生成高质量的视觉内容，提升你的表达效率和信息传达效果。
开源项目管理工具 Plane 安装和使用教程
Plane是一个开源的项目管理工具，使用 Python 语言开发，旨在帮助团队跟踪问题、运行迭代周期，并管理产品路线图，同时避免陷入管理工具本身的混乱中。Plane 的诞生源于开发者对现有项目管理工具的不满。创始团队意识到，一个理想的工具应该既能满足复杂项目的需求，又能保持足够的灵活性和易用性。Pl
全渠道产供销一体化协同平台：重塑商业生态，引领未来商业变革
展望未来，数字化技术的融合与创新、人工智能技术的广泛应用、绿色供应链和可持续发展的实践以及全球化布局与跨境电商的发展将成为全渠道产供销一体化协同平台发展的重要趋势。它以消费者为中心，通过整合线上线下资源，实现产品、信息、资金流的快速流动和无缝对接，从而提高供应链的响应速度、降低运营成本，并为消费者提
维基百科向量搜索；简单易用的GraphRAG实现；友好的人工智能助手；AI的音乐多模态
Fish是一个基于变换器（Transformer）的混合多模态模型，专注于音乐信息检索领域，能够生成歌曲的和弦、节拍、歌词、旋律和谱表。GGUF 格式的量化支持主要适用于变换器和 DiT 模型（如 flux），相比传统的 UNET 模型（conv2d），量化带来的影响较小，使得在低端 GPU 上运行
【人工智能】项目案例分析：使用TensorFlow进行大规模对象检测
在这个项目中，我们将使用TensorFlow进行大规模的对象检测。对象检测是计算机视觉领域的一个重要应用，它涉及从图像或视频中识别和定位特定的对象。TensorFlow作为一个强大的开源机器学习库，提供了丰富的工具和API来支持这一任务。
全能与专精：探索未来AI模型的发展趋势与市场潜力
在人工智能的快速演进中，我们见证了从单一功能到多面手的转变。OpenAI即将推出的"草莓"AI模型，以其处理多样化任务的能力，引发了业界对未来AI模型发展方向的热烈讨论。这种全能型AI模型的出现，不禁让我们思考：在AI的发展道路上，我们是应该追求像"草莓"这样的全能型选手，还是应该专注于培养特定领域
基于Joint BERT模型的意图识别技术实践
意图识别在诸多领域已经有了非常广泛的应用，例如各个品牌的智能语音助手，如今多模态模型能力迅猛增长，与LLM交流方式变得多样化，为了给LLM提供高质量有价值的上下文嵌入信息，引入意图识别变得尤为重要，其不仅能够过滤掉大部分无用但又不得不加入pipline的工具，还可以极大优化整个pipline的响应时
