pblh123的专栏

函数式自动微分在PyTorch、TensorFlow和MindSpore这三个深度学习框架对比，基于MindSpore实现函数自动求导，自动微分

基于MindSpore实现Diffusion扩散模型，基于denoising diffusion probabilistic model （DDPM）。Diffusion与其他生成模型（如Normalizing Flows、GAN或VAE）进行比较，它并没有那么复杂，它们都将噪声从一些简单分布转换为数据样本，Diffusion也是从纯噪声开始通过一个神经网络学习逐步去噪，最终得到一个实际图像。

Pix2Pix是基于条件生成对抗网络（cGAN, Condition Generative Adversarial Networks ）实现的一种深度学习图像转换模型。基于MindSpore实现Pix2Pix。实现语义/标签到真实图片、灰度图到彩色图、航空图到地图、白天到黑夜、线稿图到实物图的转换。包括两个模型：生成器和判别器。

基于MindSpore实现GAN，生成式对抗网络(Generative Adversarial Networks，GAN)是一种生成式机器学习模型，生成器，判别器。

生成对抗网络（GAN）的基础原理是通过两个互相博弈的模型，生成模型和判别模型，来实现对数据分布的学习并产生新的、与真实数据极其相似的数据实例。DCGAN（深度卷积生成对抗网络）是一种利用深度卷积网络改进的生成对抗网络（GAN）模型，它在提高训练稳定性和生成图像质量方面取得了显著成果。

GPT-2（Generative Pre-trained Transformer 2）是OpenAI开发的一种基于Transformer架构的预训练语言模型。它是继GPT-1之后的升级版本，通过更大的数据集和更复杂的模型架构，进一步提升了自然语言处理任务的性能。

CycleGAN（循环生成对抗网络）是一种深度学习模型，用于将一种图像风格迁移到另一种图像风格。在MindSpore中，可以使用预训练的CycleGAN模型进行图像风格迁移。

MindNLP ChatGLM-6B StreamChat是基于MindNLP框架和ChatGLM-6B模型实现的聊天应用，利用自然语言处理技术，实现与用户的自然语言交流。这样的应用可以广泛应用于智能客服、在线助理和社交聊天等场景

BERT（Bidirectional Encoder Representations from Transformers）是一种基于Transformer架构的预训练语言模型，由谷歌在2018年提出.对话情绪识别是一种先进的人工智能技术，它通过自然语言处理和深度学习技术来分析对话中的情绪状态

基于MindSpore实现LSTM+CRF，条件随机场，Normalize计算，Viterbi算法，BiLSTM

基于MindSpore实现RNN神经网络模型的情感分类，基于IMDB数据集数据集，IMDB数据集是自然语言处理（NLP）和机器学习领域中的一个重要资源，主要用于电影评论的情感分析。

基于MindSpore,MindNPL实现自回归模型，贪婪搜索，Bean搜索，文本解码是自然语言处理中的一个关键任务，特别是在机器翻译、文本生成等领域。自回归模型是文本解码中常用的一种方法

基于MindSpore实现情感分类，GPT是一种先进的深度学习模型，基于Transformer架构

MobileNet网络是由Google团队于2017年提出的专注于移动端、嵌入式或IoT设备的轻量级CNN网络，相比于传统的卷积神经网络，MobileNet网络使用深度可分离卷积（Depthwise Separable Convolution）的思想在准确率小幅度降低的前提下，大大减小了模型参数与运算量。并引入宽度系数 α和分辨率系数 β使模型满足不同应用场景的需求。

MusicGen是来自Meta AI的Jade Copet等人提出的基于单个语言模型（LM）的音乐生成模型，支持无提示、文本、音频生成音乐。

基于MindSpore训练KNN模型，KNN原理，距离度量，Wine数据集

基于自注意（Self-Attention）结构的模型，Transformer模型，由于Transformers的计算效率和可扩展性，它已经能够训练具有超过100B参数的空前规模的模型。ViT则是自然语言处理和计算机视觉两个领域的融合结晶。在不依赖卷积操作的情况下，依然可以在图像分类任务上达到很好的效果。

SSD（Single Shot MultiBox Detector）是一种高效的目标检测算法，它能够在一次前向传播中同时完成候选区域的提取和目标的分类与定位。模型结构说明，数据准备，损失函数

基于MindSpore的ShuffleNet实践，ShuffleNetV1是一种高效的CNN模型，主要应用于移动端。其设计目标是在有限的计算资源下实现最佳精度。ShuffleNetV1引入了两种操作：Pointwise Group Convolution和Channel Shuffle，从而降低了模型的计算量。与MobileNet类似，ShuffleNetV1通过优化网络结构实现了模型的压缩和加速。

基于MindSpore-ResNet50模型进行迁移学习，实现狼狗与狗的分类预测。熟悉迁移学习方式，参数冻结微调，预训练模型使用

基于MindSpore实践ResNet50计算网络，预训练模型，超参数定义，

基于MindSpore进行FCN图像语义分割

MindSpore训练模型简单案例

张量（Tensor）是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数，这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。张量之间有很多运算，包括算术、线性代数、矩阵处理（转置、标引、切片）、采样等，张量运算和NumPy的使用方式类似，下面介绍其中几种操作。表示非零元素的值，shape表示的是被压缩的稀疏张量的形状。

今天是参加华为MindSpore昇思25天学习打卡营的第一天，通过博客记录一下自己的学习路程。