迁移学习标签_鲲鹏昇腾开发者社区

迁移学习

YOLOV7-tiny模型，从Pytorch移植到华为Atlas 200i DK A2平台的Ascend推理

笔者按：最近接了一个项目，要把别人训练的YOLOv7-tiny模型，移植到华为Atlas平台，利用Ascend昇腾NPU做推理，同时实现了python和c++的应用。由于笔者是第一次接触华为这个平台，移植过程中还是踩了不少坑的，这里开一篇文章，介绍整个移植的流程、踩过的坑和debug的思路。整个项目大约花费了我2周时间，这是在我有一定的python、c++和工程经验的基础上。另外当然生成式AI在这

 q274488181
2024-11-21 18:29:59

 2379

 13

#华为 #pytorch #嵌入式硬件 +1
昇思25天学习打卡营第11天|ResNet50迁移学习

本次使用迁移学习的方法对ImageNet数据集中的狼和狗图像进行分类。迁移学习详细内容见。

清风素衣月初凉
2024-07-30 17:30:22

 610

 12

#学习 #迁移学习 #人工智能
昇思25天学习打卡营第17天|ResNet50迁移学习

在实际应用场景中，由于训练数据集不足，所以很少有人会从头开始训练整个网络。普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。今天将使用迁移学习的方法对ImageNet数据集中的狼和狗图像进行分类。

坤元物联
2024-07-13 08:53:19

 144

 2

#学习 #迁移学习 #人工智能
昇思25天学习打卡营第11天|ResNet50迁移学习

数据集可视化：从mindspore.dataset.ImageFolderDataset接口中加载的训练数据集返回值为字典，用户可通过 create_dict_iterator 接口创建数据迭代器，使用 next 迭代访问数据集。教程采用了狗与狼分类数据集做了案例介绍。训练和评估：开始训练模型，与没有预训练模型相比，将节约一大半时间，因为此时可以不用计算部分梯度。普遍的做法是，在一个非常大的基础数

 挂在树梢的松鼠
2024-07-04 20:54:05

 461

 4

#学习 #迁移学习 #人工智能 +2
昇思训练营day9学习心得-ResNet50迁移学习

使用迁移学习的方法对ImageNet数据集中的狼和狗图像进行分类。做法：在一个非常大的基础数据集上训练得到一个预训练模型，再使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。

沐礼607
2024-07-16 01:43:50

 517

 6

#迁移学习 #人工智能 #机器学习
昇思25天学习打卡营第4天|ResNet50迁移学习

迁移学习作为现在模型训练的基本模式，基本已全面取代了最初的从零开始训练模型的方式，迁移学习不仅可以加快模型训练，加速模型收敛，针对特定任务快速完成模型训练，提高模型的泛化能力。无论从小规模，特定任务的模型训练到大模型的训练，迁移学习都成为了主流范式。

beyondcr7
2024-07-01 10:57:24

 158

 3

#学习 #迁移学习 #人工智能 +1
昇思大模型第16天|ResNet50迁移学习

ResNet50迁移学习。

十八岁少年
2024-07-05 00:34:02

 331

 3

#迁移学习 #人工智能 #机器学习
昇思25天学习打卡营第12天|ResNet50迁移学习

今天学习了迁移学习的相关知识。我觉得迁移学习是机器学习中一种利用已经训练好的模型（通常是在大规模数据集上预训练的模型）来解决新的但相关的问题的技术。其核心思想是利用从一个任务中学到的知识来加速另一个相关任务的学习过程。除此之外，我还了解了关于ResNet50的相关知识。它是ResNet系列中的一员，其中的“50”表示网络中包含50个主要的卷积层。这几天学习的内容比较复杂，还需要留更多的时间来复习。

江宁府永定
2024-07-11 21:49:31

 440

 3

#学习 #迁移学习 #人工智能
篇二：MindSpore在实际项目中的应用与挑战

为了使MindSpore更好地与其他系统融合，我需要深入了解其API和集成方式，并进行必要的定制和开发工作。Neck：相比于YOLOv4的SPP模块（左），SPPF模块将原SPP中的k=5，9，13的MaxPool + skip的分支，替换成了CBL + 串行通过三个最大池化层。比如说YOLOv5，他的网络结构相比YOLOv4，主要改进点在BackBone，Neck和部分，而Head部分则与v3和

 GT开发算法工程师
2024-01-19 17:20:25

 667

 9

#数据结构 #算法 #迁移学习 +1
昇思25天学习打卡营第10天|ResNet50迁移学习

在实际应用场景中，由于训练数据集不足，所以很少有人会从头开始训练整个网络。普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。开始训练模型，与没有预训练模型相比，将节约一大半时间，因为此时可以不用计算部分梯度。下载案例所用到的狼与狗分类数据集，数据集中的图像来自于ImageNet，每个分类有大约120张训练图像

 訫在紅尘_吥動吥傷
2024-07-08 21:54:51

 565

 11

#学习 #迁移学习 #人工智能
昇思训练营打卡第十二天（ResNet50迁移学习）

ResNet50是一种深度残差网络(Residual Network)模型,它是由微软研究院的研究员Kaiming He等人在2015年提出的一种深度学习模型。ResNet50是其中的一种变体,它有50层深度。ResNet50的核心思想是引入“残差学习”的概念,通过在神经网络中添加“跳跃连接”(skip connections)来解决深度神经网络训练时的梯度消失和梯度爆炸问题。跳跃连接能够将前面层

 qhcl246810
2024-07-01 00:28:24

 522

 4

#迁移学习 #人工智能 #机器学习
昇思25天学习打卡营第二十二天|ResNet50迁移学习

普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。本章将使用迁移学习的方法对ImageNet数据集中的狼和狗图像进行分类。开始训练模型，与没有预训练模型相比，将节约一大半时间，因为此时可以不用计算部分梯度。，数据集中的图像来自于ImageNet，每个分类有大约120张训练图像与30张验证图像。对获取到的图像及

 liping406
2024-07-15 07:46:47

 422

 5

#学习 #迁移学习 #机器学习
昇思25天学习打卡营第12天|ResNet50迁移学习

数据集的结构如下：在实际应用场景中，由于训练数据集不足，所以很少有人会从头开始训练整个网络。普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。本章将使用迁移学习的方法对ImageNet数据集中的狼和狗图像进行分类。下载案例所用到的，数据集中的图像来自于ImageNet，每个分类有大约120张训练图像与30张验

 XueFarah
2024-07-31 14:12:10

 333

 10

#学习 #迁移学习 #人工智能
昇思25天学习打卡营第14天|ResNet50迁移学习

在实际应用场景中，由于训练数据集不足，所以很少有人会从头开始训练整个网络。普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。开始训练模型，与没有预训练模型相比，将节约一大半时间，因为此时可以不用计算部分梯度。文件对对验证集的狼和狗图像数据进行预测。使用固定特征进行训练的时候，需要冻结除最后一层之外的所有网络层

 li十三
2024-07-03 08:39:05

 433

 4

#学习 #迁移学习 #人工智能
昇思25天学习打卡营第25天|ResNet50迁移学习

。

leesan快点跑
2024-07-18 17:25:54

 400

 4

#学习 #迁移学习 #人工智能
《昇思25天学习打卡营第17天| ResNet50迁移学习》

该单元学习了利用ResNet50网络进行迁移学习。迁移学习，指的是在预训练模型上进行训练，可以节省时间、空间、金钱。可以通过固定一定层数的网络参数来减少需要训练的参数，来提高效率。

.clean
2024-07-24 21:04:23

 284

 1

#学习 #迁移学习 #人工智能
昇思25天学习打卡营第7天 | ResNet50迁移学习

普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。本章将使用迁移学习的方法对ImageNet数据集中的狼和狗图像进行分类。开始训练模型，与没有预训练模型相比，将节约一大半时间，因为此时可以不用计算部分梯度。，数据集中的图像来自于ImageNet，每个分类有大约120张训练图像与30张验证图像。使用固定特征进行

 qiaoyuhanhan
2024-06-26 10:28:14

 314

 3

#学习 #迁移学习 #机器学习
《昇思25天学习打卡笔记》---第九天|应用实践-应用实践-ResNet50迁移学习

迁移学习（Transfer Learning）是一种机器学习方法，它的核心思想是在一个任务（源任务）上学习到的模型能够被应用到另一个不同的但相关的任务（目标任务）上，以提高学习效率和性能。这种做法模仿了人类学习的方式，即我们在学习新事物时，往往能利用过去学到的知识和经验，从而更快地理解和掌握新知识。在传统的机器学习中，模型通常需要在目标任务上从头开始学习，这意味着需要大量的标注数据。迁移学习通过利

 ccvzcc
2024-06-28 21:52:08

 209

 3

#学习 #迁移学习
昇思25天学习打卡营第11天|xkd007|计算机视觉应用实践（2）-ResNet50迁移学习

在实际应用场景中，由于训练数据集不足，所以很少有人会从头开始训练整个网络。普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。本章将使用迁移学习的方法对ImageNet数据集中的狼和狗图像进行分类。迁移学习详细内容见。

冷酷的AI
2024-07-04 12:39:30

 159

#学习 #计算机视觉 #迁移学习
昇思Mindspore学习25天打卡Day12：ResNet50迁移

从mindspore.dataset.ImageFolderDataset 接口中加载的训练数据集返回值为字典，用户可通过create_dict_iterator 接口创建数据迭代器，使用next迭代访问数据集。狼狗数据集提取自lmageNet分类数据集，使用mindspore.dataset.ImageFolderDataset 接口来加载数据集，并进行相关图像增强操作。搭建好模型框架后，通过将

 weixin_42147595
2024-06-30 06:35:36

 908

 17

#学习 #人工智能 #迁移学习
昇思25天训练营Day20 - ResNet50迁移学习

普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。开始训练模型，与没有预训练模型相比，将节约一大半时间，因为此时可以不用计算部分梯度。，数据集中的图像来自于ImageNet，每个分类有大约120张训练图像与30张验证图像。使用固定特征进行训练的时候，需要冻结除最后一层之外的所有网络层。对获取到的图像及标签数据

 杨过过儿
2024-07-18 10:26:32

 674

 7

#迁移学习 #人工智能 #机器学习
如何将PyTorch模型迁移到昇腾平台

本文介绍将PyTorch网络模型迁移到昇腾AI平台，并执行训练的全流程。

昇腾CANN
2023-04-18 10:15:31

 6547

 4

#pytorch #深度学习 #人工智能 +1
昇思25天学习打卡营第8天|ResNet50迁移学习

在实际应用场景中，由于训练数据集不足，所以很少有人会从头开始训练整个网络。普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。本章将使用迁移学习的方法对ImageNet数据集中的狼和狗图像进行分类。迁移学习详细内容见。

no_way_toloiter
2024-07-07 15:29:23

 958

 14

#学习 #迁移学习 #人工智能
昇思25天学习打卡营第20天|ResNet50迁移学习

数据、算力、算法，人工智能的三大要素。迁移学习，很有拿来主义的内涵。一个已经在大规模数据上训练的具有良好的泛化特征的网络进行特征提取，而训练除最后一层分类网络。着重关注网络定义、权重冻结（不计算梯度）。真正能应用的是成熟的有效果的，与科研追求学术前沿是相反的。在实际应用场景中，由于训练数据集不足，所以很少有人会从头开始训练整个网络。普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然

 AesthetiC631
2024-08-01 17:06:04

 859

 21

#学习 #迁移学习 #人工智能
昇思25天学习打卡营第11天|使用ResNet50迁移学习快速入门学习 -构建Resnet50网络

FCN-8s 架构在 Pascal VOC 2012 数据集上的性能相对以前的方法提升了 20%，达到了 62.2% 的mIOU。这种架构是语义分割的基础，此后一些较新的和更好的体系结构都基于此架构。全卷积网络（FCNs）可以用于自然图像的语义分割、多模态医学图像分析和多光谱卫星图像分割。

wanmeijuhao
2024-07-05 22:00:58

 738

 22

#学习 #迁移学习 #网络
《昇思25天学习打卡营第23天|ResNet50迁移学习》

迁移学习的核心思想是将源领域的知识迁移到目标领域中。源领域是已经有大量标注数据的领域，而目标领域是需要解决的新问题。通过迁移学习，源领域的知识可以帮助目标领域的学习过程，提高模型的泛化能力和性能。迁移学习可以通过多种方式实现，包括特征提取、模型微调和领域自适应等方法。特征提取是将源领域的特征应用到目标领域中，模型微调是在源模型的基础上对目标模型进行调整，领域自适应则是通过对目标领域进行适应性训练来

 QAQ23333333333
2024-07-16 10:04:37

 1143

 22

#学习 #迁移学习 #人工智能
昇思25天学习打卡营第17天|ResNet50迁移学习

上节课的学习了ResNet50图像分类相关的内容，今天学习的内容是的"ResNet50迁移学习"相关的内容。迁移学习就是把已训练好的模型参数迁移到新的模型来帮助新模型训练。在实际场景中的，由于训练数据集不足，所以很少会从头开始训练整个网络。普遍做法是，在一个大的数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。今天学习的内容是采用ResNe

流淌_
2024-07-10 11:04:16

 818

 29

#学习 #迁移学习 #深度学习
昇思25天学习打卡营第25天 | ResNet50迁移学习

在实际应用场景中，由于训练数据集不足，所以很少有人会从头开始训练整个网络。普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。本章将使用迁移学习的方法对ImageNet数据集中的狼和狗图像进行分类。迁移学习详细内容见。

cftang9999
2024-07-13 06:00:51

 734

 15

#学习 #迁移学习 #人工智能
昇思25天学习打卡营第11天|简单的深度学习使ResNet50迁移学习 - 可视化模型预测

迁移学习是一种机器学习方法，它通过将已经在一个任务上学习到的知识应用到另一个相关任务上，来改善模型的性能。迁移学习可以解决数据不足或标注困难的问题，同时可以加快模型的训练速度。迁移学习的核心思想是将源领域的知识迁移到目标领域中。源领域是已经有大量标注数据的领域，而目标领域是需要解决的新问题。通过迁移学习，源领域的知识可以帮助目标领域的学习过程，提高模型的泛化能力和性能。迁移学习可以通过多种方式实现

 2301_79516858
2024-07-06 22:39:39

 815

 23

#学习 #深度学习 #迁移学习
昇思25天学习打卡营第11天|使用ResNet50迁移学习(数据集可视化)

在实际应用场景中，由于训练数据集不足，所以很少有人会从头开始训练整个网络。普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。本章将使用迁移学习的方法对ImageNet数据集中的狼和狗图像进行分类。迁移学习详细内容见Stanford University CS231n。

2301_77888392
2024-07-05 21:33:20

 786

 7

#学习 #迁移学习 #深度学习
昇思25天学习打卡营第12天|ResNet50迁移学习

在实际应用场景中，由于训练数据集不足，所以很少有人会从头开始训练整个网络。普遍的做法是，在一个非常大的基础数据集上训练得到一个预训练模型，然后使用该模型来初始化网络的权重参数或作为固定特征提取器应用于特定的任务中。本章将使用迁移学习的方法对ImageNet数据集中的狼和狗图像进行分类。迁移学习详细内容见。

aperson888
2024-07-01 22:02:54

 1004

 22

#学习 #迁移学习 #人工智能
昇思25天训练营Day25 - CycleGAN图像风格迁移互换

CycleGAN(Cycle Generative Adversarial Network) 即循环对抗生成网络，来自论文。该模型实现了一种在没有配对示例的情况下学习将图像从源域 X 转换到目标域 Y 的方法。该模型一个重要应用领域是域迁移(Domain Adaptation)，可以通俗地理解为图像风格迁移。

杨过过儿
2024-07-23 10:21:45

 708

 21

#迁移学习 #人工智能
昇思25天学习打卡营第五天|应用实践/计算机视觉/ResNet50图像分类

ResNet50网络是2015年由微软实验室的何恺明提出，获得ILSVRC2015图像分类竞赛第一名。在ResNet网络提出之前，传统的卷积神经网络都是将一系列的卷积层和池化层堆叠得到的，但当网络堆叠到一定深度时，就会出现退化问题。下图是在CIFAR-10数据集上使用56层网络与20层网络训练误差和测试误差图，由图中数据可以看出，56层网络比20层网络训练误差和测试误差更大，随着网络的加深，其误差

 guojun0718
2024-07-15 16:03:22

 925

 21

#学习 #计算机视觉 #迁移学习
portal安装及全量迁移gs_mysync的使用

安装使用portal的gs_mysync进行mysql全量迁移到openGauss

aachshgd
2024-07-05 11:57:58

 1439

 29

#mysql #数据库 #迁移学习
深度学习与经典机器学习算法的关联与差异

1、深度学习框架概述（PyTorch、Tensorflow、Keras等）2、PyTorch简介（PyTorch的版本、动态计算图与静态计算图、PyTorch的优点）3、PyTorch的安装与环境配置（Pip vs. Conda包管理方式、验证是否安装成功、CPU版与GPU版的安装方法）

xiao5kou4chang6kai4
2025-10-29 09:48:56

 532

 24

#机器学习 #深度学习 #python +2
操作系统迁移

当CentOS 系统停服后不在更新维护，系统存在一定安全隐患，此次用到Openeuler的官方迁移工具x2openEuler来迁移演示。

weixin_58848820
2025-08-26 20:39:44

 335

 1

#迁移学习