Sam9029-优快云博客

同时近期华为云官方正在举报828企业节上云活动，云服务器28元域名1元建站9.9元/年等各项优化服务等你来用；还有新用户90+款免费云产品，15+款长期免费云产品体验，包含云服务器CDN分布内容网络对象存储服务OBS等常规云服务项目，更有活动期间，新购付费达指定门槛送实物礼品，全系华为终端设备免费赠送，快去体验体验吧！

2024-09-18 22:22:03 1486

原创【Webpack--00802】配置Babel语法兼容

【Webpack--00802】配置Babel语法兼容

2024-09-17 20:45:00 1037 1

原创【Webapck--00801】配置Eslint代码检测

可组装的 JavaScript 和 JSX 语法检查工具。

2024-09-17 16:21:26 1242

原创【Webpack--007】处理其他资源--视频音频

🤓😍Sam9029的优快云博客主页:Sam9029的博客_优快云博客-前端领域博主👍*🐞🐞文章若有错误或某个内容有更优的解决方案，还望指正！👍*

2024-09-16 18:00:00 645

原创【Webpack--004】处理图片资源

过去在 `Webpack4` 时，我们处理图片资源通过 `file-loader` 和 `url-loader` 进行处理

2024-09-15 21:11:46 487

原创【Webpack--003】处理样式资源

Webpack 本身是不能识别样式资源的，所以我们需要借助 Loader 来帮助 Webpack 解析样式资源我们找 Loader 都应该去官方文档中找到对应的 Loader，然后使用官方文档找不到的话，可以从社区 Github 中搜索查询Webpack 官方 Loader 文档。

2024-09-14 23:14:59 1106

原创【Webpack--00201】配置文件路径别名

🤓😍Sam9029的优快云博客主页:Sam9029的博客_优快云博客-前端领域博主👍*🐞🐞文章若有错误或某个内容有更优的解决方案，还望指正！👍*

2024-09-14 23:13:50 635

原创【Webpack--001】基本配置概念

开发模式顾名思义就是我们开发代码时使用的模式。编译代码，使浏览器能识别运行开发时我们有样式资源、字体图标、图片资源、html 资源等，webpack 默认都不能处理这些资源，所以我们要加载配置来编译这些资源代码质量检查，树立代码规范提前检查代码的一些隐患，让代码运行时能更加健壮。提前检查代码规范和格式，统一团队编码风格，让代码更优雅美观。

2024-09-13 22:18:54 585

最新 Webpack 5目前在前端开发之中，使用各种 MVVM / MVC 的JS框架开发成为主流，但是在JS框架开发中，项目文件一般是对应JS框架的自定义文件类型比如 Vue.js 的demo.vue，React.js 的 demo.jsxWebpack 就是用来将对应的框架自定义文件和项目中对应JS文件等，编译成浏览器能运行的 html、CSS、JS文件，当然也不止如此，参考Webpackbundle本质上，是一个用于现代 JavaScript 应用程序的静态模块打包工具。

2024-09-13 22:11:50 642

原创《昇思 25 天学习打卡营第 25 天 | 基于 MindSpore 实现 BERT 对话情绪识别》

《昇思 25 天学习打卡营第 25 天 | 基于 MindSpore 实现 BERT 对话情绪识别》

2024-07-27 19:09:17 456

原创《昇思 25 天学习打卡营第 24 天 | MindNLP ChatGLM-6B 聊天应用实现》

《昇思 25 天学习打卡营第 24 天 | MindNLP ChatGLM-6B 聊天应用实现》

2024-07-27 19:08:15 323

原创《昇思 25 天学习打卡营第 23 天 | 基于MindSpore的GPT-2文本摘要》

文本摘要任务旨在从给定的文本中生成简短的摘要，同时保留关键信息。本案例使用MindSpore框架实现基于GPT-2模型的文本摘要。

2024-07-26 10:28:51 608

原创《昇思 25 天学习打卡营第 22 天 | 使用 RNN 进行情感分类》

情感分类是自然语言处理中的一项基础任务，目的是判断文本所表达的情感倾向，如正面或负面。设计预测函数，对自定义输入文本进行情感分类预测。# 预测文本情感# ...

2024-07-26 10:28:19 588

原创《昇思 25 天学习打卡营第 21 天 | LSTM+CRF序列标注模型实现》

序列标注是信息抽取中的一个关键任务，包括分词、词性标注、命名实体识别等。例如，在命名实体识别中，需要识别文本中的地名、人名等实体。CRF层的实现包括前向训练部分和解码部分。# 初始化CRF层参数# ...# 根据传入的emissions和tags决定是前向计算还是解码# ...

2024-07-24 22:18:21 462

原创《昇思 25 天学习打卡营第 20 天 | Pix2Pix实现图像转换》

Pix2Pix是一种基于条件生成对抗网络（cGAN）的图像转换模型，能够实现从一种图像风格到另一种风格的转换，如从黑白图像到彩色图像，或从线稿到实物图像等。( \mathbf{x} )：观测图像。( \mathbf{z} )：随机噪声。( \mathbf{y} = G(\mathbf{x}, \mathbf{z}) )：生成器网络。( D(\mathbf{x}, G(\mathbf{x}, \mathbf{y})) )：判别器网络。

2024-07-24 22:17:43 650

原创《昇思 25 天学习打卡营第 19 天 | 生成式对抗网络（GAN）实践指南》

生成式对抗网络（GAN）是一种前沿的无监督学习模型，由 Goodfellow 等人于 2014 年提出。GAN 由两部分组成：生成器（Generator）和判别器（Discriminator）。生成器负责生成逼真的假图像，而判别器则负责区分图像是真实的还是生成器生成的。

2024-07-23 22:34:40 370

原创《昇思 25 天学习打卡营第 18 天 | 扩散模型（Diffusion Models）》

扩散模型（Diffusion Models），特别是去噪扩散概率模型（DDPM），在图像、音频、视频生成领域取得了显著成果。这类模型通过逐步添加和去除噪声来生成数据，与GAN或VAE等其他生成模型相比，具有独特的优势。Diffusion模型包括两个主要过程：正向扩散过程和逆向去噪过程。正向过程逐步添加噪声，逆向过程则通过训练神经网络逐步去除噪声，恢复图像。DDPM论文指出扩散模型是图像生成的有前途的方向。尽管如此，扩散模型的主要缺点是生成图像需要多次正向传递。

2024-07-23 22:32:14 536

原创《昇思 25 天学习打卡营第 17 天 | CycleGAN图像风格迁移》

CycleGAN是一种用于图像风格迁移的深度学习模型，它能够在没有成对训练样本的情况下，实现图像从一种风格到另一种风格的转换。这项技术在艺术创作、图像编辑等领域有着广泛的应用。

2024-07-21 09:25:31 417

原创《昇思 25 天学习打卡营第 16 天 | 基于 MobileNetv2 的垃圾分类》

MobileNetV2 是一个轻量级的 CNN 网络，专为移动端、嵌入式或 IoT 设备设计。它通过使用深度可分离卷积（Depthwise Separable Convolution）减少模型参数和运算量，同时保持了较高的准确率。MobileNetV2 引入了倒残差结构（Inverted residual block）和 Linear Bottlenecks 设计，进一步提升了模型性能。

2024-07-21 09:23:59 487

原创《昇思 25 天学习打卡营第 15 天 | 基于MindNLP+MusicGen生成自己的个性化音乐》

MusicGen是由Meta AI的Jade Copet等人提出的一种基于单个语言模型（LM）的音乐生成模型，能够根据文本描述或音频提示生成高质量的音乐样本。该模型的研究成果发表在论文《Simple and Controllable Music Generation》中。

2024-07-20 19:38:18 484

原创《昇思 25 天学习打卡营第 14 天 | 基于MindSpore的红酒分类实验》

本次实验的目的是了解K近邻（K-Nearest Neighbors, KNN）算法的基本概念，并学习如何使用华为的MindSpore框架实现KNN实验。KNN是一种基础的分类和回归算法，通过计算测试样本与训练样本之间的距离，找出最近的K个邻居，并通过多数表决的方式确定测试样本的类别。

2024-07-20 19:37:14 616

原创《昇思 25 天学习打卡营第 13 天 | SSD目标检测》

SSD是一种流行的目标检测算法，它通过单次前向传播来预测多个类别的边界框。SSD评估通常使用mAP（mean Average Precision）作为性能指标。

2024-07-13 10:00:12 521

原创《昇思 25 天学习打卡营第 12 天 | Vision Transformer（ViT）图像分类》

Vision Transformer（ViT）是一种结合了自然语言处理中流行的Transformer模型和计算机视觉任务的深度学习模型。它不依赖于传统的卷积神经网络（CNN）结构，而是直接使用Transformer的Encoder部分来处理图像数据。

2024-07-13 09:58:53 470

原创《昇思 25 天学习打卡营第 11 天 | ResNet50 图像分类》

make_layerResNet网络模型最重要的步骤，定义 ResNet 模型类型函数# 第一个卷积层，输入channel为3（彩色图像），输出channel为64# 最大池化层，缩小图片的尺寸# 各个残差网络结构块定义# 平均池化层# flattern层# 全连接层# // ... 省略return x然后定义 _resnet 函数加载使用 ResNet 网络模型类再使用 _resnet 函数构建 resnet50 网络模型"""ResNet50模型"""

2024-07-07 15:14:01 1225