《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
fwc8 小时前
第J2周:ResNetV2算法学习
学习
Rabitebla10 小时前
【Linux】文件篇(五):手撕简易 FILE——模拟实现 C 标准 I/O 缓冲机制
linux·服务器·c语言·笔记·学习·ubuntu
电科_银尘12 小时前
【大模型算法与工程 27】训练配方:批量、学习率、精度与梯度裁剪
学习·算法·机器学习
fly_sunnn19 小时前
机械狗的前置学习(python与Linux基础操作)
学习
Rabitebla21 小时前
【Linux】文件篇(六):Shell 实战——从系统调用到命令行重定向
linux·服务器·c++·笔记·学习
Star(up up up)1 天前
MySQL 事务隔离级别是如何实现的?从 MVCC 到锁机制原理详解
笔记·vscode·sql·学习·程序人生·mysql·学习方法
Z21-X2 天前
云原生运维学习笔记:Kubernetes Volume 与 Secret 实验
运维·笔记·学习·云原生·kubernetes
console.log('npc')2 天前
Python 学习教程 · 第4课:数据结构
数据结构·python·学习
星落梦生2 天前
Docker学习(11)
学习·docker·容器