《昇思25天学习打卡营第1天|QuickStart》

说在前面

曾经接触过华为的910B服务级显卡,当时基于910B做了一些开发的工作,但是总感觉做的事情太低层,想要能自顶向下的了解下,因此开始了MindSpore的学习。另外也想给予提供的显卡,简单尝试下llm模型的训练,不知道提供的显卡能否支持llm模型训练。

1. QuickStart

介绍了云开发环境的使用方法,以及昇思全家桶。

通过这张图看,我比较感兴趣AI Compiler部分,不过在入门阶段还没有介绍,希望可以通过后续的学习过程中,能了解一些。

接下来用两个推理的小例子,开发下兴趣:

  1. 使用 vit 进行图像分类
    应该是有预训练的模型,这里直接通过封装好的脚本,进行简单的测试:
    跑了vit模型的推理过程,能够将雏菊🌼识别成雏菊。
  2. 使用 BERT 进行中文命名实体识别
    通过一个预训练模型,可以识别命名实体。
    输入是:小明作为开发人员去北京参加华为开发者大会。
    输出是:
json 复制代码
[
	[{
		'entity_group': 'position',
		'start': 4,
		'end': 6,
		'score': 0.72418,
		'word': '开发人'
	}, {
		'entity_group': 'address',
		'start': 9,
		'end': 10,
		'score': 0.9383,
		'word': '北京'
	}, {
		'entity_group': 'company',
		'start': 13,
		'end': 14,
		'score': 0.5476,
		'word': '华为'
	}]
]

可以看出来,Bert识别出了三个词,还算可以吧。在执行的时候是下载的模型,感觉可以直接可以将常用模型都打到镜像中,减少网络消耗。

接下来是一个训练的小例子:

  1. 经典的手写体识别:
    可能是便于入门,这里很多模型封装的都比较简单。几乎点点按钮就可以了,手写体识别的模型名称叫做:lenet,执行了训练的动作,在cpu上训练还是花了几分钟的,过程中的日志信息:

    loss是在逐渐降低的。
    最终的识别结果也是符合预期,只能说,lenet是真的开创性的,不过我还是想要叫做AlexNet

打卡

最后在执行一边,并且打卡。

今天的学习就到这里,整体体验很顺畅,希望接下来每天可以保持,或者一天可以打多个卡。

相关推荐
陶然同学3 小时前
RabbitMQ全栈实践手册:从零搭建消息中间件到SpringAMQP高阶玩法
java·分布式·学习·rabbitmq·mq
欧先生^_^4 小时前
学习 Apache Kafka
学习·kafka·apache
妙极矣4 小时前
JAVAEE初阶01
java·学习·java-ee
娃娃略4 小时前
【AI模型学习】双流网络——更强大的网络设计
网络·人工智能·pytorch·python·神经网络·学习
圆弧YH4 小时前
Ardunio学习
学习
我的golang之路果然有问题4 小时前
案例速成GO+redis 个人笔记
经验分享·redis·笔记·后端·学习·golang·go
韩明君5 小时前
前端学习笔记(四)自定义组件控制自己的css
前端·笔记·学习
noevil6 小时前
cuda学习1: 获取设备信息
学习
FAREWELL000756 小时前
C#进阶学习(十四)反射的概念以及关键类Type
开发语言·学习·c#·反射·type
隐-梵6 小时前
Android studio学习之路(八)---Fragment碎片化页面的使用
android·学习·android studio