国产亚洲精品福利在线无卡一,国产精久久一区二区三区,亚洲精品无码国模,精品久久久久久无码专区不卡

當前位置： 首頁 > news >正文

印刷網絡商城網站建設推廣新產品最好的方法

news 2025/7/6 9:58:45
印刷網絡商城網站建設,推廣新產品最好的方法,免費微信小程序商城官網,工商服務網本篇文章主要是講講MindSpore的安裝以及根據官方提供的例子實現數據變換功能。 昇思MindSpore是一款開源的AI框架，旨在實現易開發(fā)、高效執(zhí)行、全場景覆蓋三大目標。 目錄1、加入MindSpore社區(qū)2、安裝前準備2.1、獲取安裝命令2.2、安裝pip2.3、確認系統(tǒng)環(huán)境3、安裝Mi…

本篇文章主要是講講MindSpore的安裝以及根據官方提供的例子實現數據變換功能。
昇思MindSpore是一款開源的AI框架，旨在實現易開發(fā)、高效執(zhí)行、全場景覆蓋三大目標。

目錄

  • 1、加入MindSpore社區(qū)
  • 2、安裝前準備
    • 2.1、獲取安裝命令
    • 2.2、安裝pip
    • 2.3、確認系統(tǒng)環(huán)境
  • 3、安裝MindSpore
    • 3.1、完整性校驗
    • 3.2、命令安裝
    • 3.3、驗證安裝
    • 3.4、升級版本
  • 4、數據準備
    • 4.1、背景
    • 4.2、安裝download模塊
    • 4.3、下載數據
  • 5、數據變換 Transforms
    • 5.1、Common Transforms
      • 5.1.1、Compose
    • 5.2、Vision Transforms
      • 5.2.1、Rescale
      • 5.2.2、Normalize
      • 5.2.3、HWC2CWH
    • 5.3、Text Transforms
      • 5.3.1、BasicTokenizer
      • 5.3.2、Lookup
    • 5.4、Lambda Transforms

1、加入MindSpore社區(qū)

在這里插入圖片描述

2、安裝前準備

2.1、獲取安裝命令

官方提供版本和環(huán)境配置信息，非常的方便，直接根據自己環(huán)境選擇即可
在這里插入圖片描述

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/2.0.0a0/MindSpore/cpu/x86_64/mindspore-2.0.0a0-cp39-cp39-win_amd64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple
# 注意參考下方安裝指南，添加運行所需的環(huán)境變量配置

2.2、安裝pip

確保自己環(huán)境已經安裝pip，若還沒有安裝，推薦如下兩種方式安裝
1）官方推薦
pip方式安裝MindSpore CPU版本-Windows
2）博客文章
可參考下面我這篇文章寫的【小5聊】Python基礎學習之python版本對應pip版本查看

2.3、確認系統(tǒng)環(huán)境

1）操作系統(tǒng)
確認安裝Windows 10是x86架構64位操作系統(tǒng)。
在這里插入圖片描述
2）Python版本
確認安裝Python（>=3.7.5）?？梢詮腜ython官網或者華為云選擇合適的版本進行安裝
在這里插入圖片描述

3、安裝MindSpore

3.1、完整性校驗

set MS_VERSION=2.0.0a0

在這里插入圖片描述

3.2、命令安裝

復制自己選擇的安裝命令

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/2.0.0a0/MindSpore/cpu/x86_64/mindspore-2.0.0a0-cp39-cp39-win_amd64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

以下為安裝過程
在這里插入圖片描述
在這里插入圖片描述

3.3、驗證安裝

python -c "import mindspore;mindspore.run_check()"

3.4、升級版本

當需要升級版本時，可執(zhí)行如下命令

pip install --upgrade mindspore=={version}

溫馨提示：升級到rc版本時，需要手動指定{version}為rc版本號，例如1.5.0rc1；如果升級到正式版本，=={version}字段可以缺省。

4、數據準備

mindspore.dataset提供了面向圖像、文本、音頻等不同數據類型的Transforms，同時也支持使用Lambda函數。

4.1、背景

通常情況下，直接加載的原始數據并不能直接送入神經網絡進行訓練，此時我們需要對其進行數據預處理。MindSpore提供不同種類的數據變換（Transforms），配合數據處理Pipeline來實現數據預處理。所有的Transforms均可通過map方法傳入，實現對指定數據列的處理。

4.2、安裝download模塊

pip install download

在這里插入圖片描述

4.3、下載數據

根據官方提供的例子代碼，會將數據下載到根目錄
在這里插入圖片描述

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# 2023-02-25import numpy as np
from PIL import Image
from download import download
from mindspore.dataset import transforms, vision, text
from mindspore.dataset import GeneratorDataset, MnistDataset# Download data from open datasetsurl = "https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/" \"notebook/datasets/MNIST_Data.zip"
path = download(url, "./", kind="zip", replace=True)train_dataset = MnistDataset('MNIST_Data/train')

在這里插入圖片描述

5、數據變換 Transforms

5.1、Common Transforms

mindspore.dataset.transforms模塊支持一系列通用Transforms

5.1.1、Compose

Compose接收一個數據增強操作序列，然后將其組合成單個數據增強操作。我們仍基于Mnist數據集呈現Transforms的應用效果。
1）根據上一步下載好的數據，可加載并輸出，如下

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# 2023-02-25import numpy as np
from PIL import Image
from download import download
from mindspore.dataset import transforms, vision, text
from mindspore.dataset import GeneratorDataset, MnistDatasettrain_dataset = MnistDataset('MNIST_Data/train')
image, label = next(train_dataset.create_tuple_iterator())
print(image.shape)

在這里插入圖片描述
2）數據變換

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# 2023-02-25import numpy as np
from PIL import Image
from download import download
from mindspore.dataset import transforms, vision, text
from mindspore.dataset import GeneratorDataset, MnistDataset# 先加載到數據
train_dataset = MnistDataset('MNIST_Data/train')# 設置數據變換參數
composed = transforms.Compose([vision.Rescale(1.0 / 255.0, 0),vision.Normalize(mean=(0.1307,), std=(0.3081,)),vision.HWC2CHW()]
)# 輸出數據變換后的內容
train_dataset = train_dataset.map(composed, 'image')
image, label = next(train_dataset.create_tuple_iterator())
print(image.shape)

在這里插入圖片描述

5.2、Vision Transforms

mindspore.dataset.vision模塊提供一系列針對圖像數據的Transforms。在Mnist數據處理過程中，使用了Rescale、Normalize和HWC2CHW變換。

5.2.1、Rescale

Rescale變換用于調整圖像像素值的大小，包括兩個參數：
rescale：縮放因子。
shift：平移因子。
1）像素值進行縮放

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# 2023-02-25import numpy as np
from PIL import Image
from download import download
from mindspore.dataset import transforms, vision, text
from mindspore.dataset import GeneratorDataset, MnistDatasetrandom_np = np.random.randint(0, 255, (48, 48), np.uint8)
random_image = Image.fromarray(random_np)
print(random_np)

在這里插入圖片描述
2）數據處理

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# 2023-02-25import numpy as np
from PIL import Image
from download import download
from mindspore.dataset import transforms, vision, text
from mindspore.dataset import GeneratorDataset, MnistDatasetrandom_np = np.random.randint(0, 255, (48, 48), np.uint8)
random_image = Image.fromarray(random_np)rescale = vision.Rescale(1.0 / 255.0, 0)
rescaled_image = rescale(random_image)
print(rescaled_image)

在這里插入圖片描述

5.2.2、Normalize

Normalize變換用于對輸入圖像的歸一化

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# 2023-02-25import numpy as np
from PIL import Image
from download import download
from mindspore.dataset import transforms, vision, text
from mindspore.dataset import GeneratorDataset, MnistDatasetrandom_np = np.random.randint(0, 255, (48, 48), np.uint8)
random_image = Image.fromarray(random_np)rescale = vision.Rescale(1.0 / 255.0, 0)
rescaled_image = rescale(random_image)normalize = vision.Normalize(mean=(0.1307,), std=(0.3081,))
normalized_image = normalize(rescaled_image)
print(normalized_image)

在這里插入圖片描述

5.2.3、HWC2CWH

HWC2CWH變換用于轉換圖像格式。

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# 2023-02-25import numpy as np
from PIL import Image
from download import download
from mindspore.dataset import transforms, vision, text
from mindspore.dataset import GeneratorDataset, MnistDatasetrandom_np = np.random.randint(0, 255, (48, 48), np.uint8)
random_image = Image.fromarray(random_np)rescale = vision.Rescale(1.0 / 255.0, 0)
rescaled_image = rescale(random_image)normalize = vision.Normalize(mean=(0.1307,), std=(0.3081,))
normalized_image = normalize(rescaled_image)hwc_image = np.expand_dims(normalized_image, -1)
hwc2cwh = vision.HWC2CHW()
chw_image = hwc2cwh(hwc_image)
print(hwc_image.shape, chw_image.shape)

在這里插入圖片描述

5.3、Text Transforms

mindspore.dataset.text模塊提供一系列針對文本數據的Transforms。與圖像數據不同，文本數據需要有分詞（Tokenize）、構建詞表、Token轉Index等操作。這里簡單介紹其使用方法。
首先我們定義三段文本，作為待處理的數據，并使用GeneratorDataset進行加載。

5.3.1、BasicTokenizer

分詞（Tokenize）操作是文本數據的基礎處理方法，MindSpore提供多種不同的Tokenizer。這里我們選擇基礎的BasicTokenizer舉例。配合map，將三段文本進行分詞，可以看到處理后的數據成功分詞。

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# 2023-02-25import numpy as np
from PIL import Image
from download import download
from mindspore.dataset import transforms, vision, text
from mindspore.dataset import GeneratorDataset, MnistDatasettexts = ['Welcome to Beijing','北京歡迎您！','我喜歡China!',
]test_dataset = GeneratorDataset(texts, 'text')
fdfds=text.BasicTokenizer()
test_dataset = test_dataset.map(text.BasicTokenizer())

報錯原因：BasicTokenizer接口不支持windows平臺
在這里插入圖片描述

5.3.2、Lookup

Lookup為詞表映射變換，用來將Token轉換為Index。在使用Lookup前，需要構造詞表，一般可以加載已有的詞表，或使用Vocab生成詞表。這里我們選擇使用Vocab.from_dataset方法從數據集中生成詞表。

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# 2023-02-25import numpy as np
from PIL import Image
from download import download
from mindspore.dataset import transforms, vision, text
from mindspore.dataset import GeneratorDataset, MnistDatasettexts = ['Welcome to Beijing','北京歡迎您！','我喜歡China!',
]test_dataset = GeneratorDataset(texts, 'text')
vocab = text.Vocab.from_dataset(test_dataset)
print(vocab.vocab())

在這里插入圖片描述

5.4、Lambda Transforms

Lambda函數是一種不需要名字、由一個單獨表達式組成的匿名函數，表達式會在調用時被求值。Lambda Transforms可以加載任意定義的Lambda函數，提供足夠的靈活度。在這里，我們首先使用一個簡單的Lambda函數，對輸入數據乘2

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# 2023-02-25import numpy as np
from PIL import Image
from download import download
from mindspore.dataset import transforms, vision, text
from mindspore.dataset import GeneratorDataset, MnistDatasettest_dataset = GeneratorDataset([1, 2, 3], 'data', shuffle=False)
test_dataset = test_dataset.map(lambda x: x * 2)
print(list(test_dataset.create_tuple_iterator()))

在這里插入圖片描述

總結：第一次體驗MindSpore的AI框架，我感覺視野一下子就被打開了，體驗非常的棒，給MindSpore點贊，官方提供的例子也非常清晰明了！感興趣的小伙伴也可以體驗一下！

http://m.aloenet.com.cn/news/42611.html

相關文章：

  • 信陽專業(yè)做網站公司客戶管理軟件
  • 網站制作軟件手機百度優(yōu)化軟件
  • 自己在家開網站做推廣百度優(yōu)化關鍵詞
  • 網站推介方案谷歌官方網站登錄入口
  • 單位網站開發(fā)合同泉州網站seo外包公司
  • 建設家具網站的目的及功能定位北京網絡營銷策劃公司
  • 選擇網站的關鍵詞cpu優(yōu)化軟件
  • wordpress備份網站南寧百度首頁優(yōu)化
  • 自己搭建云游戲服務器seo優(yōu)化推廣業(yè)務員招聘
  • 網站icp備案號查詢百度關鍵詞代做排名
  • 新公司網站建設百度平臺營銷收費標準
  • 網站開發(fā)電商快速網站推廣優(yōu)化
  • 濰坊百度網站建設產品推廣圖片
  • 內銷機械做哪個網站好開發(fā)新客戶的十大渠道
  • 沈陽建信建設工程有限公司位置seo關鍵詞排名網絡公司
  • 企業(yè)網站banner尺寸小紅書外鏈管家
  • wordpress短視頻模板紹興seo
  • 網站開發(fā)成本核算杭州seo公司哪家好
  • 網站模板 尋模板百度競價開戶費用
  • 嬰幼兒網站模板鎮(zhèn)江百度推廣公司
  • 巨野網站建設百度云搜索引擎 百度網盤
  • 做網站想注冊商標是哪一類百度公司總部在哪里
  • 專業(yè)制作公司網站公司百度一下首頁下載安裝桌面
  • 下載住小幫app看裝修seo排名優(yōu)化代理
  • 百度搜索網站怎么做策劃網絡營銷活動
  • 校園網站開發(fā)背景淘寶seo關鍵詞的獲取方法有哪些
  • 織夢網站+當前位置限制寬度市場調研的內容
  • 石家莊抖音代運營公司網站seo規(guī)劃
  • 外貿網站建設模板培訓班招生方案
  • 我是做裝修的怎么樣投資網站百度天眼查