文章 2025-09-17 来自:开发者社区

PyTorch学习实战:AI从数学基础到模型优化全流程精解

一. 人工智能、机器学习与深度学习的关系 1.1 概念层次解析 人工智能(AI):使机器模拟人类智能的广义领域 机器学习(ML):通过数据驱动的方法让系统自动改进性能 深度学习(DL):基于多层神经网络的机器学习子领域 关系示意图: 人工智能 ⊃ 机器学习 ⊃ 深度学习 ...

PyTorch学习实战:AI从数学基础到模型优化全流程精解
阿里云文档 2025-04-27

使用PAI Python SDK训练和部署PyTorch模型

PAI Python SDK提供了更易用的HighLevel API,支持您在PAI完成模型的训练和部署。本文介绍如何使用PAI Python SDK训练和部署PyTorch模型。

阿里云文档 2024-06-06

如何快速使用C++程序来EAIS推理PyTorch模型?

您可以在ECS实例(非GPU实例)上绑定一个弹性加速计算实例EAIS(EAIS可以为ECS实例提供GPU资源),即可生成一款新规格的GPU实例。相比直接购买GPU实例,使用该方式可以为您灵活提供GPU资源并有效节省成本。如果您初次使用EAIS,可以通过本文内容体验在ECS实例上使用EAIS通过C++程序推理PyTorch模型并获得性能加速的完整使用流程,帮助您快速上手EAIS。

文章 2024-04-18 来自:开发者社区

PyTorch与迁移学习:利用预训练模型提升性能

引言 在深度学习领域,迁移学习已经成为一种强大的工具,特别是在数据有限或任务复杂的场景下。迁移学习利用在其他任务上预训练的模型,将其知识和表示能力迁移到新的任务中,从而加速模型训练并提高性能。PyTorch作为一个流行的深度学习框架,为迁移学习提供了灵活和强大的支持。本文将介绍如何在PyTorch中利用预训练模型进行迁移学习&...

文章 2024-01-31 来自:开发者社区

Pytorch迁移学习使用MobileNet v3网络模型进行猫狗预测二分类

1. MobileNet1.1 MobileNet v1MobileNet v1是MobileNet系列中的第一个版本,于2017年由Google团队提出。其主要目标是设计一个轻量级的深度神经网络,能够在移动设备和嵌入式系统上进行图像分类和目标检测任务,并且具有较高的计算效率和较小的模型大小。MobileNet v1的核心创新在于使用深度可分离卷积(Depthwise Separable Con....

Pytorch迁移学习使用MobileNet v3网络模型进行猫狗预测二分类
阿里云文档 2023-09-26

如何使用Python脚本通过EAIS(内置AIACC-Training 2.0加速库)训练PyTorch模型?_弹性加速计算实例(EAIS)

EAIS实例成功绑定至ECS实例后,您需要远程登录该ECS实例,然后使用EAIS实例进行AI训练。本文为您介绍使用Python脚本通过EAIS实例(内置AIACC-Training 2.0加速库)训练PyTorch模型的具体操作。

阿里云文档 2023-09-26

如何使用EAIS训练PyTorch模型?

EAIS实例成功绑定至ECS实例后,您需要远程登录该ECS实例,然后使用EAIS实例训练PyTorch模型。本文为您介绍使用EAIS训练PyTorch模型的具体操作。

阿里云文档 2023-08-30

如何通过C++程序来使用EAIS推理PyTorch模型?

EAIS实例成功绑定至ECS实例后,您需要远程登录该ECS实例,然后使用EAIS实例进行AI推理。本文为您介绍使用C++程序通过EAIS推理PyTorch模型的具体操作。

文章 2023-07-11 来自:开发者社区

机器学习之PyTorch和Scikit-Learn第6章 学习模型评估和超参数调优的最佳实践Part 3

其它章节内容请见机器学习之PyTorch和Scikit-Learn 查看不同性能评估指标 在前面的章节中,我们使用预测准确率来评估各机器学习模型,通常这是用于量化模型表现很有用的指标。但还有其他几个性能指标可以用于衡量模型的相关性,例如精确率、召回率、F1分数和马修斯相关系数(MCC)等。 读取混淆矩阵 在我们深入讨论各评分指标之前,先看一下混淆矩阵,这是一种展示学习算法性能的矩阵。 ...

机器学习之PyTorch和Scikit-Learn第6章 学习模型评估和超参数调优的最佳实践Part 3
文章 2023-01-13 来自:开发者社区

基于Pytorch学习Bert模型配置运行环境详细流程

BERT是2018年10月由Google AI研究院提出的一种预训练模型。BERT的全称是Bidirectional Encoder Representation from Transformers。BERT在机器阅读理解顶级水平测试SQuAD1.1中表现出惊人的成绩: 全部两个衡量指标上全面超越人类,并且在11种不同NLP测试中创出SOTA表现,包括将GLUE基准推高至80.4% (绝对改进7....

基于Pytorch学习Bert模型配置运行环境详细流程

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

相关镜像