深度学习三大框架
社区干货
基于深度学习的工业缺陷检测详解——从0到1|社区征文
# beginning2023年可谓是人工智能浪潮翻涌的一年,AI在各个领域遍地开花。以我最熟悉的工业为例,深度学习也在其中起着重要作用。不知道小伙伴们熟不熟悉工业领域的缺陷检测腻?🧐🧐🧐今天就以钢轨表面缺陷为例,和大... 底层是腾讯的优图实验室针对手机移动端的高性能神经网络前向计算框架,叫做NCNN。在pytorch上训练了yolov5的基准模型,即获得了一个.pt格式的文件,通过NCNN呢把它转成NCNN的格式,然后在java native inteface中使用c+...
AI安全技术总结与展望| 社区征文
人工智能内生安全主要包括:框架安全,如TensorFlow、Caffe、PyTorch等深度学习框架存在若干漏洞;数据安全,如数据丢失或者变形、噪声数据干扰人工智能研判结果;算法安全,如难以保证算法的正确性,对抗样本、自动驾驶中的安全事故等;模型安全,如模型窃取或者模型污染,从而植入后门。人工智能衍生安全主要指由于AI本身的缺陷或者脆弱性给其他领域带来安全问题,比如人工智能应用于黑产。# 2. AI安全应用 目前,人工智能与网络安全...
边缘计算技术:深度学习与人工智能的融合|社区征文
**边缘ML:** 是指机器学习在不处于核心数据中心的,企业级计算机/设备中的应用。边缘设备包括服务器机房,现场服务器,以及位于各个地区以加快响应速度为目的的小型数据中心。云端和边缘端的ML 已经通过3年多的科普,广为大众所接受。今天我们看到的人脸门禁、摄像头行为识别、智能音箱...... 绝大部分场景都属于这两类。 以 TensorFlow & TF lite 等开源深度学习框架为基础的大量应用,推动了智能在云端和边缘端应用。然而,更加具有...
从100w核到450w核:字节跳动超大规模云原生离线训练实践
字节跳动在云原生离线训练方向的发展大概分为三个阶段:**单角色云原生训练 1.0,多角色云原生训练 2.0,云原生训练 3.0 三个阶段。**## **单角色云原生训练 1.0**离线训练框架 1.0 系统诞生于2015年10月(内部代号 Zion)。离线训练 Zion 框架是基于 Hadoop Streaming 架构在深度学习场景下的深度定制,每个训练作业对应一个 Hadoop YARN 上的 Zion 任务,具有(PS-Worker)架构分布式训练器、多数据格式多数据源混合训练、HDFS 样...
特惠活动
深度学习三大框架-优选内容
深度学习三大框架-相关内容
从100w核到450w核:字节跳动超大规模云原生离线训练实践
字节跳动在云原生离线训练方向的发展大概分为三个阶段:**单角色云原生训练 1.0,多角色云原生训练 2.0,云原生训练 3.0 三个阶段。**## **单角色云原生训练 1.0**离线训练框架 1.0 系统诞生于2015年10月(内部代号 Zion)。离线训练 Zion 框架是基于 Hadoop Streaming 架构在深度学习场景下的深度定制,每个训练作业对应一个 Hadoop YARN 上的 Zion 任务,具有(PS-Worker)架构分布式训练器、多数据格式多数据源混合训练、HDFS 样...
使用pytorch自己构建网络模型总结|社区征文
于是乎最近看了看基于pytorch的深度学习——通过学习,对pytorch的框架有了较清晰的认识,也可以自己来构建一些模型来进行训练。如果你也发现自己只知道在Git上克隆别人的代码,但是自己对程序的结构不了解,那么下面的... 第三个参数是图片的一个转化,要将图片格式转化为tensor类型,第四个参数download为True表示你没有这个数据,这时候会自动下载数据,为Flase表示有这个数据,不会再进行下载【注意:这个参数设置成True且你有数据集,那同...
大模型和深度学习的工作总结|社区征文
[picture.image](https://p6-volc-community-sign.byteimg.com/tos-cn-i-tlddhu82om/44b74ab4861f41bb8b8defb68ffb7e98~tplv-tlddhu82om-image.image?=&rk3s=8031ce6d&x-expires=1716135649&x-signature=sFMepW89k1jBxck9LHvULe0l%2BPQ%3D)**前言**在 2023 年疫情早已结束的当下,时代也在飞速的发展和进步,越来越多的技术:深度学习、AI、大模型、虚拟现实VR等慢慢进入我们的生活。**基于大模型的图像去雾**在今年这个阶段...
边缘智变:深度学习引领下的新一代计算范式|社区征文
边缘计算的构造可分为三个层次:设备层、边缘服务器层和云计算层,下边逐一分析。设备层这一层的关键包括各种物联网设备和传感器,承担数据的收集和传送。设备层是数据的关键运营商,特点是设备品种繁多,数据类型不同... 我使用Flask框架编写一个简单的Web API:```from flask import Flask, request, jsonify app = Flask(__name__) @app.route('/predict', methods=['POST']) def predict(): data = request.json['da...
我的深度学习项目经验分享|社区征文
# 引言AI爆火的2023年,也是我开始学习AI的第一年,从后端领域向AI领域发展也是一个不错的选择。是什么原因让我觉得AI领域更值得钻研和发展呢?其实之前的文章也能体现出来,AI的爆火在于它确实能促进整个社会中大多人群的学习工作和生活的效率的提升,这是非常实用的。我要和大家分享的项目也是我学习AI过程中做的小项目,是利用视频分析技术结合深度学习构建的一个智能视频监控系统,用来进行实时监测和分析人员活动,提供监测识别和...
字节跳动 EB 级 Iceberg 数据湖的机器学习应用与优化
而随着深度学习的发展,我们可以利用深度学习的特征提取能力,通过简单的数据处理步骤自动学习特征,甚至可以将过程简化为在待调研的原始特征中往一张样本表格里加列的操作后利用深度学习框架自动学习和提取信息。 ... 这就依赖于接下来介绍的第三个核心特性-全局索引。通过全局索引可以知道一条写进记录是否已经写入,没写入的可以 Insert 插入;写入的可以采用 Update 更新操作。这部分我们参考了 Apache Hudi 的设计,除了支持 HBas...
分割抠图-火山引擎
基于深度学习框架,结合检测识别技术,实现高精视觉分割能力。实现对多类主体、复杂背景等场景的抠图能力,同时支持人、货、场等多种类型需求,可广泛应用于电子商务、零售、泛文娱、个人应用等各种场景
AI与深度学习的一年 | 社区征文
深度学习方法能以更方便的方式对特征进行提取,在图像分类、人工智能等领域取得了良好的效果。近些年来,一些研究人员开始将深度学习方法应用于癫痫发作检测领域。# 方法## 1融合GCN和transformer的癫痫自动检测模型基于GCN和transformer的癫痫自动检测模型,该网络模型处理过程中可以分成三个步骤:特征提取、重构和分类。在特征提取阶段,通过GCN对输入的脑电信号进行去噪并进行特征提取处理;特征重构阶段将处理后的数据作为特...
大模型:深度学习之旅与未来趋势|社区征文
# 前言从去年chatGPT爆火,到国内千模大战,关乎大模型的热度已经沸反盈天。但大模型出现的价值、意义似乎与实际使用效果存在鲜明的对比,特别是日常工作中,最多让大模型帮助生成一些不痛不痒、凑字数的内容,难易触达工作的核心环节。所以趁着国庆假期,我试图用国产大模型来协助完成一篇文章,从“知识生产”这个大模型擅长的角度来验证大模型能否更深度提升个人工作效率。