mindspore

昇思MindSpore进阶教程--安装常见问题（中）大家好，我是刘明，明志科技创始人，华为昇思MindSpore布道师。技术上主攻前端开发、鸿蒙开发和AI算法研究。努力为大家带来持续的技术分享，如果你也喜欢我的文章，就点个关注吧

昇思MindSpore进阶教程--特征值检测大家好，我是刘明，明志科技创始人，华为昇思MindSpore布道师。技术上主攻前端开发、鸿蒙开发和AI算法研究。努力为大家带来持续的技术分享，如果你也喜欢我的文章，就点个关注吧

昇思MindSpore进阶教程--数据处理性能优化(中)大家好，我是刘明，明志科技创始人，华为昇思MindSpore布道师。技术上主攻前端开发、鸿蒙开发和AI算法研究。努力为大家带来持续的技术分享，如果你也喜欢我的文章，就点个关注吧

昇思MindSpore进阶教程--黑塞矩阵大家好，我是刘明，明志科技创始人，华为昇思MindSpore布道师。技术上主攻前端开发、鸿蒙开发和AI算法研究。努力为大家带来持续的技术分享，如果你也喜欢我的文章，就点个关注吧

昇思MindSpore进阶教程--单节点数据缓存(中)大家好，我是刘明，明志科技创始人，华为昇思MindSpore布道师。技术上主攻前端开发、鸿蒙开发和AI算法研究。努力为大家带来持续的技术分享，如果你也喜欢我的文章，就点个关注吧

昇思MindSpore进阶教程--下沉模式大家好，我是刘明，明志科技创始人，华为昇思MindSpore布道师。技术上主攻前端开发、鸿蒙开发和AI算法研究。努力为大家带来持续的技术分享，如果你也喜欢我的文章，就点个关注吧

昇思 25 天学习打卡营第 25 天 | MindSpore Diffusion 扩散模型使用 MindSpore 学习神经网络，打卡第 25 天；主要内容也依据 mindspore 的学习记录。

昇思 25 天学习打卡营第 22 天 | MindSpore DCGAN 生成漫画图像使用 MindSpore 学习神经网络，打卡第 22 天；主要内容也依据 mindspore 的学习记录。

昇思 25 天学习打卡营第 15 天 | mindspore 实现 VisionTransformer 图像分类使用 mindspore 学习神经网络，打卡第 15 天；主要内容也依据 mindspore 的学习记录。

神奇的布欧

基于MindSpore实现BERT对话情绪识别讲解视频：基于MindSpore实现BERT对话情绪识别

鹅毛在路上了

昇思25天学习打卡营第16天|基于MindSpore通过GPT实现情感分类本系列文章主要用于记录昇思25天学习打卡营的学习心得。GPT-1模型是一种基于神经网络的自回归（AR）语言模型。该模型使用了“Transformer”的编解码架构，一种新型的序列到序列（Seq2Seq）模型，能够在处理长序列数据时避免传统的循环神经网络（Recurrent Neural Network，RNN）中存在的梯度消失问题。

鹅毛在路上了

昇思25天学习打卡营第15天|基于 MindSpore 实现 BERT 对话情绪识别本系列文章主要用于记录昇思25天学习打卡营的学习心得。自2017年Google发表"Attention is ALL You Need"之后，基于自注意力机制结构的网络模型开始在各领域发展，特别是Transformer网络，针对序列的强大长距离关联处理能力在NLP领域取得了成效，BERT 的创新点在于它将双向 Transformer 用于语言模型，曾一度刷新各项NLP任务的SOTA记录，包括问答 Question Answering (SQuAD v1.1)，推理 Natural Language Inf

神奇的布欧

昇思25天学习打卡营第25天 | RNN情感分类情感分类是自然语言处理中的经典任务，是典型的分类问题。本节使用MindSpore实现一个基于RNN网络的情感分类模型，实现如下的效果：

昇思MindSpore学习总结十五 ——基于Mindspore 实现BERT对话情绪识别根据实际情况，选择合适版本。BERT全称是来自变换器的双向编码器表征量（Bidirectional Encoder Representations from Transformers），它是Google于2018年末开发并发布的一种新型语言模型。与BERT模型相似的预训练语言模型例如问答、命名实体识别、自然语言推理、文本分类等在许多自然语言处理任务中发挥着重要作用。模型是基于Transformer中的Encoder并加上双向的结构，因此一定要熟练掌握Transformer的Encoder的结构。

昇思25天学习打卡营第14天|基于MindSpore的红酒分类实验本文主要介绍使用MindSpore在部分wine数据集上进行KNN实验。K近邻算法原理 K近邻算法（K-Nearest-Neighbor, KNN）是一种用于分类和回归的非参数统计方法，最初由 Cover和Hart于1968年提出(Cover等人,1967)，是机器学习最基础的算法之一。它正是基于以上思想：要确定一个样本的类别，可以计算它与所有训练样本的距离，然后找出和该样本最接近的k个样本，统计出这些样本的类别并进行投票，票数最多的那个类就是分类的结果。KNN的三个基本要素：

华为云开发者联盟

教你基于MindSpore用DCGAN生成漫画头像本文分享自华为云社区《【昇思25天学习打卡营打卡指南-第二十天】DCGAN生成漫画头像》，作者：JeffDing。

鹅毛在路上了

昇思25天学习打卡营第14天|静态图加速本系列文章主要用于记录昇思25天学习打卡营的学习心得。基于MindSpore的AI编译框架分为两种运行模式，分别是动态图模式以及静态图模式。 MindSpore默认情况下是以动态图模式运行，但也支持手动切换为静态图模式。两种运行模式的区别如下：

昇思25天学习打卡营第8天|ResNet50迁移学习迁移学习（Transfer Learning）：在一个任务上训练得到的模型包含的知识可以部分或全部地转移到另一个任务上。允许模型将从一个任务中学到的知识应用到另一个相关的任务中。适用于数据稀缺的情况，可减少对大量标记数据的需求。

鹅毛在路上了

昇思25天学习打卡营第12天|FCN图像语义分割本系列文章主要用于记录昇思25天学习打卡营的学习心得。全卷积网络（Fully Convolutional Networks，FCN）是UC Berkeley的Jonathan Long等人于2015年在Fully Convolutional Networks for Semantic Segmentation[1]一文中提出的用于图像语义分割的一种框架。

神奇的布欧

昇思25天学习打卡营第15天 | Vision Transformer图像分类近些年，随着基于自注意（Self-Attention）结构的模型的发展，特别是Transformer模型的提出，极大地促进了自然语言处理模型的发展。由于Transformers的计算效率和可扩展性，它已经能够训练具有超过100B参数的空前规模的模型。