mindspore

鹅毛在路上了

昇思25天学习打卡营第1天|快速入门从from mindspore.dataset import MnistDataset中可以看到本节快速入门课程选择的是最经典的Mnist手写数字识别，带领新用户快速熟悉基于Mindspore玩转深度学习的完整Pipeline.

《昇思25天学习打卡营第3天 | mindspore DataSet 数据集的常见用法》使用 mindspore 学习神经网络，打卡第三天；使用 mindspore 的常见的数据集 DataSet 的使用方法；

《昇思25天学习打卡营第2天|快速入门》今天是学习打卡的第2天，今天的内容是对MindSpore的一个快速入门，主要通过MindSpore的API来快速实现一个简单的深度学习模型，首先我们要确保我们的实验环境安装了mindspore，可以通过如下代码来安装所需版本的mindspore如下：

昇思25天学习打卡营第2天|数据集Datasetmindspore.dataset中有常用的视觉、文本、音频开源数据集供下载，点赞、关注+收藏哦昇思平台学习时间记录:

昇思MindSpore学习总结四——数据变换Transforms数据变换，字面意思，就是将我们在实际项目中获取的数据进行相应的操作，方便后期处理。数据变换的方法很多，例如归一化、标准化等。

昇思25天学习打卡营第6天|函数式自动微分神经网络的训练主要使用反向传播算法，模型预测值（logits）与正确标签（label）送入损失函数（loss function）获得loss，然后进行反向传播计算，求得梯度（gradients），最终更新至模型参数（parameters）。自动微分能够计算可导函数在某点处的导数值，是反向传播算法的一般化。自动微分主要解决的问题是将一个复杂的数学运算分解为一系列简单的基本运算，该功能对用户屏蔽了大量的求导细节和过程，大大降低了框架的使用门槛。

华为云开发者联盟

一文教你在MindSpore中实现A2C算法训练本文分享自华为云社区《MindSpore A2C 强化学习》，作者：irrational。Advantage Actor-Critic (A2C)算法是一个强化学习算法，它结合了策略梯度（Actor）和价值函数（Critic）的方法。A2C算法在许多强化学习任务中表现优越，因为它能够利用价值函数来减少策略梯度的方差，同时直接优化策略。

华为云开发者联盟

MindSpore强化学习：使用PPO配合环境HalfCheetah-v2进行训练本文分享自华为云社区《MindSpore强化学习：使用PPO配合环境HalfCheetah-v2进行训练》，作者： irrational。

华为云开发者联盟

想做大模型开发前，先来了解一下MoE为了实现大模型的高效训练和推理，混合专家模型MoE便横空出世。大模型发展即将进入下一阶段但目前仍面临众多难题。为满足与日俱增的实际需求，大模型参数会越来越大，数据集类型越来越多，从而导致训练难度大增，同时也提高了推理成本。为了实现大模型的高效训练和推理，混合专家模型MoE便横空出世。

[GAN] 使用GAN网络进行图片生成的“调参人”入门指南——生成向日葵图片为了支撑人工智能落地，为人们的生活带来更多的便利，充足的数据尤为重要。而在实际的应用中常常会面临专业数据匮乏，数据不均衡的问题，所以利用神经网络根据已有的数据生成新的数据，进行数据扩充，成为了助力人工智能落地的新思路。