MindSpore保存与加载模型
技术背景 近几年在机器学习和传统搜索算法的结合中，逐渐发展出了一种Search To Optimization的思维，旨在通过构造一个特定的机器学习模型，来替代传统算法中的搜索过程，进而加速经典图论等问题的求解。那么这里面就涉及到一个非常关键的工程步骤：把机器学习中训练出来的模型保存成一个文件 ...
原文：MindSpore模型验证
技术背景 在前面一篇博客中，我们介绍了MindSpore在机器学习过程中保存和加载模型的方法。这种将模型存储为静态文件的做法，使得我们可以更灵活的使用训练出来的模型，比如用于各种数据集的验证，或者是迁移学习等场景。 前言 这里使用的数据集和加载的模型，都来自于这篇博客。关于MindSpore的环境部署，可以参考这两篇博客：CPU版本安装 GPU版本安装，当然，这两个方案都使用了Docker容器化部 ...
2021-05-18 14:17 0 248 推荐指数：
相关推荐
MindSpore 框架的官方预训练模型的加载 —— MindSpore / hub 的安装
MindSpore计算框架提供了一个官方版本的预训练模型存储库，或者叫做官方版本的预训练模型中心库，那就是 MindSpore / hub 。 首先我们需要明确概念： 第一个就是 mindspore_hub 是一个Python库，或者说是一个Python包（package ...
MindSpore自定义模型损失函数
技术背景 损失函数是机器学习中直接决定训练结果好坏的一个模块，该函数用于定义计算出来的结果或者是神经网络给出的推测结论与正确结果的偏差程度，偏差的越多，就表明对应的参数越差。而损失函数的另一个重要性 ...
如何基于MindSpore实现万亿级参数模型算法？
摘要：近来，增大模型规模成为了提升模型性能的主要手段。特别是NLP领域的自监督预训练语言模型，规模越来越大，从GPT3的1750亿参数，到Switch Transformer的16000亿参数，又是一个数量级的增加。 本文分享自华为云社区《一文带你了解MindSpore支持的万亿级参数超大 ...
MindSpore模型精度调优实战：如何更快定位精度问题
摘要：为大家梳理了针对常见精度问题的调试调优指南，将以“MindSpore模型精度调优实战”系列文章的形式分享出来，帮助大家轻松定位精度问题，快速优化模型精度。 本文分享自华为云社区《技术干货 | 更快定位精度问题！MindSpore模型精度调优实战（一）》，原文作者：HWCloudAI ...
模型验证
模型验证 原文：Model Validation作者：Rachel Appel翻译：娄宇(Lyrics)校对：孟帅洋(书缘) 在这篇文章中： 章节： 介绍模型验证 验证 Attribute 模型状态 处理模型状态异常 手动验证 自定义验证 客户端验证 ...
看MindSpore加持下，如何「炼出」首个千亿参数中文预训练语言模型？
摘要：千亿参数量的中文大规模预训练语言模型时代到来。 本文分享自华为云社区《 MindSpore开源框架加持，如何「炼出」首个千亿参数、TB级内存的中文预训练语言模型？》，原文作者：chengxiaoli。 千亿参数量的中文大规模预训练语言模型时代到来。 近段时间，中文大规模预训练 ...
MindSpore模型精度调优实战：常用的定位精度调试调优思路
摘要：在模型的开发过程中，精度达不到预期常常让人头疼。为了帮助用户解决模型调试调优的问题，我们为MindSpore量身定做了可视化调试调优组件：MindInsight。 本文分享自华为云社区《技术干货 | 模型优化精度、速度我全都要！MindSpore模型精度调优实战（二）》，原文作者 ...