文章目录前言一.实验环境二.安装ubuntu虚拟机2.1.下载ubuntu镜像2.2配置虚拟机2.3安装操作系统三.安装MindSpore20.0-alpha3.1下载需要的安装程序脚本3.2安装MindSpore2.0.0-alpha和Python3.73.3开始手动安装3.4.安装gcc3.5.安装MindSpore3.6.验证是否成功：四.实现数据变换Transforms4.1compse模块4.2mindspore.dataset.vision模块4.2.1Rescale4.2.2Normalize4.23HWC2CWH4.3TextTransforms4.3.1BasicTokeni
摘要：本文介绍大模型低参微调套件——MindSporePET。本文分享自华为云社区《大模型高效开发的秘密武器——大模型低参微调套件MindSporePET篇》，作者：yd_280874276。人工智能进入“大模型时代”。大模型具备更强泛化能力，在各垂直领域落地时，只需要进行参数微调，就可以适配多个场景。因此，发展大模型已成为产学研各界共识。在大模型开发方面，昇腾推出了大模型开发使能平台，基于昇思MindSpore构建了支撑大模型开发的全流程大模型使能套件，包括TransFormers大模型套件MindSporeTransFormers、以文生图大模型套件MindSporeDiffusion、人
摘要：本文介绍大模型低参微调套件——MindSporePET。本文分享自华为云社区《大模型高效开发的秘密武器——大模型低参微调套件MindSporePET篇》，作者：yd_280874276。人工智能进入“大模型时代”。大模型具备更强泛化能力，在各垂直领域落地时，只需要进行参数微调，就可以适配多个场景。因此，发展大模型已成为产学研各界共识。在大模型开发方面，昇腾推出了大模型开发使能平台，基于昇思MindSpore构建了支撑大模型开发的全流程大模型使能套件，包括TransFormers大模型套件MindSporeTransFormers、以文生图大模型套件MindSporeDiffusion、人
摘要：一文带你看看MindSpore2.0.0forWindowsGPU版。本文分享自华为云社区《MindSpore2.0.0forWindowsGPU泄漏版尝鲜》，作者：张辉。在看了MindSpore架构师王磊老师的帖子（ https://zhuanlan.zhihu.com/p/574507930 ）之后，本来张小白要源码编译MindSporeforWindowsGPU版的，尽管已经安装了CUDA11.1和配套的cuDNN8.6.0forCUDA11.X（ https://bbs.huaweicloud.com/blogs/381666 ），但是由于各种意外，编译的进度停滞了。然而，凭一
摘要：一文带你看看MindSpore2.0.0forWindowsGPU版。本文分享自华为云社区《MindSpore2.0.0forWindowsGPU泄漏版尝鲜》，作者：张辉。在看了MindSpore架构师王磊老师的帖子（ https://zhuanlan.zhihu.com/p/574507930 ）之后，本来张小白要源码编译MindSporeforWindowsGPU版的，尽管已经安装了CUDA11.1和配套的cuDNN8.6.0forCUDA11.X（ https://bbs.huaweicloud.com/blogs/381666 ），但是由于各种意外，编译的进度停滞了。然而，凭一
摘要：MindSpore给大家提供了很多算子进行使用，今天给大家简单介绍下常用的一些算子使用时需要注意的内容。本文分享自华为云社区《【MindSpore易点通】算子使用经验总结》，作者：Skytier。MindSpore给大家提供了很多算子进行使用，今天给大家简单介绍下常用的一些算子使用时需要注意的内容。使用mindspore.nn.BatchNorm注意momentum参数BatchNormalization里有一个momentum参数,该参数作用于mean和variance的计算上,保留了历史Batch里的mean和variance值,即moving_mean和moving_varianc
摘要：MindSpore给大家提供了很多算子进行使用，今天给大家简单介绍下常用的一些算子使用时需要注意的内容。本文分享自华为云社区《【MindSpore易点通】算子使用经验总结》，作者：Skytier。MindSpore给大家提供了很多算子进行使用，今天给大家简单介绍下常用的一些算子使用时需要注意的内容。使用mindspore.nn.BatchNorm注意momentum参数BatchNormalization里有一个momentum参数,该参数作用于mean和variance的计算上,保留了历史Batch里的mean和variance值,即moving_mean和moving_varianc
内容来源：华为开发者大会2021HMSCore6AI技术论坛，主题演讲《MindSpore联邦学习框架解决隐私合规下的数据孤岛问题》。演讲嘉宾：华为MindSpore联邦学习工程师大家都知道，人工智能的发展离不开广泛的数据支撑。数据是基础，也是关键。但行业中小规模、碎片化，亦是大规模、高质量的数据都很难获取，涉及到工程、监管和隐私合规多方面的问题。这也就导致人工智能产业面临数据孤岛挑战，比如企业获得用户数据越来越难、企业内不同部门数据难合作、同行业企业数据难以共享、跨行业数据难以发挥价值等。联邦学习：打破数据孤岛，建立新一代的技术生态面对数据孤岛，人工智能应该怎样发展呢？联邦学习是一个能够确保
内容来源：华为开发者大会2021HMSCore6AI技术论坛，主题演讲《MindSpore联邦学习框架解决隐私合规下的数据孤岛问题》。演讲嘉宾：华为MindSpore联邦学习工程师大家都知道，人工智能的发展离不开广泛的数据支撑。数据是基础，也是关键。但行业中小规模、碎片化，亦是大规模、高质量的数据都很难获取，涉及到工程、监管和隐私合规多方面的问题。这也就导致人工智能产业面临数据孤岛挑战，比如企业获得用户数据越来越难、企业内不同部门数据难合作、同行业企业数据难以共享、跨行业数据难以发挥价值等。联邦学习：打破数据孤岛，建立新一代的技术生态面对数据孤岛，人工智能应该怎样发展呢？联邦学习是一个能够确保
技术背景在前面的博客中，我们介绍过关于numpy中的张量网络的一些应用，同时利用相关的张量网络操作，我们可以实现一些分子动力学模拟中的约束算法，如LINCS等。在最新的nightly版本的MindSpore中也支持了爱因斯坦求和的算子，这是在张量网络中非常核心的一个操作，本文就简单介绍一下MindSpore中使用爱因斯坦求和的方法。安装最新版的MindSporeEinsum是在1.6之后的版本才支持的，MindSpore的Master分支就是官网上面的Nightly版本，我们可以安装这个已经实现了爱因斯坦求和算子的版本。 安装指令如下：python3-mpipinstallmindspore-
