这些优秀的组织正在使用:

基于生成对抗网络的弱监督病症定位和分割算法,只需要图片级正常/异常的弱监督标签,即可实现新冠CT图像的无偏(unbiased)病灶分割。

Updated 2 weeks ago Python

mPanGu-α-53是首个以中文为中心的多语言&机器翻译模型,在一带一路沿线66个国家53种语种上进行预训练和单双语混合增量训练,单模型支持一带一路53个语种任两语种间的互译,对比WMT2021多语言任务赛道No.1在”中外“100个方向上平均BLEU值提升0.354,支持在NPU/GPU上基于MindSpore分布式训练(最少8卡)、推理(全精度/FP16,1卡)和多语言任务的迁移学习。

Updated 2 months ago Text

旋转椭圆检测,可实现超声心动图四腔心切面的自动测量,包括心胸比和心轴,为医生提供先天性心脏病的诊断提供AI统计参考。

Updated 2 weeks ago Jupyter Notebook

让模型的训练更有效率(10B以内),支持训练更大规模的模型(>10B、50B、100B),构建支持分布式混合并行的典型模型案例,是该项目的初衷。

Updated 6 months ago Python

mPanGu-α-53是首个以中文为中心的多语言&机器翻译模型,在一带一路沿线66个国家53种语种上进行预训练和单双语混合增量训练,单模型支持一带一路53个语种任两语种间的互译,对比WMT2021多语言任务赛道No.1在”中外“100个方向上平均BLEU值提升0.354,支持在NPU/GPU上基于MindSpore分布式训练(最少8卡)、推理(全精度/FP16,1卡)和多语言任务的迁移学习。

Updated 5 months ago Text

mPanGu-α-53是首个以中文为中心的多语言&机器翻译模型,在一带一路沿线66个国家53种语种上进行预训练和单双语混合增量训练,单模型支持一带一路53个语种任两语种间的互译,对比WMT2021多语言任务赛道No.1在”中外“100个方向上平均BLEU值提升0.354,支持在NPU/GPU上基于MindSpore分布式训练(最少8卡)、推理(全精度/FP16,1卡)和多语言任务的迁移学习。

Updated 2 months ago Text

基于生成对抗网络的弱监督病症定位和分割算法,只需要图片级正常/异常的弱监督标签,即可实现新冠CT图像的无偏(unbiased)病灶分割。

Updated 1 month ago Python

mPanGu-α-53是首个以中文为中心的多语言&机器翻译模型,在一带一路沿线66个国家53种语种上进行预训练和单双语混合增量训练,单模型支持一带一路53个语种任两语种间的互译,对比WMT2021多语言任务赛道No.1在”中外“100个方向上平均BLEU值提升0.354,支持在NPU/GPU上基于MindSpore分布式训练(最少8卡)、推理(全精度/FP16,1卡)和多语言任务的迁移学习。

Updated 3 months ago Text

基于生成对抗网络的弱监督病症定位和分割算法,只需要图片级正常/异常的弱监督标签,即可实现新冠CT图像的无偏(unbiased)病灶分割。

Updated 2 months ago Python

mPanGu-α-53是首个以中文为中心的多语言&机器翻译模型,在一带一路沿线66个国家53种语种上进行预训练和单双语混合增量训练,单模型支持一带一路53个语种任两语种间的互译,对比WMT2021多语言任务赛道No.1在”中外“100个方向上平均BLEU值提升0.354,支持在NPU/GPU上基于MindSpore分布式训练(最少8卡)、推理(全精度/FP16,1卡)和多语言任务的迁移学习。

Updated 2 months ago Text

旋转椭圆检测,可实现超声心动图四腔心切面的自动测量,包括心胸比和心轴,为医生提供先天性心脏病的诊断提供AI统计参考。

Updated 1 month ago Jupyter Notebook

基于生成对抗网络的弱监督病症定位和分割算法,只需要图片级正常/异常的弱监督标签,即可实现新冠CT图像的无偏(unbiased)病灶分割。

Updated 2 weeks ago Python

mPanGu-α-53是首个以中文为中心的多语言&机器翻译模型,在一带一路沿线66个国家53种语种上进行预训练和单双语混合增量训练,单模型支持一带一路53个语种任两语种间的互译,对比WMT2021多语言任务赛道No.1在”中外“100个方向上平均BLEU值提升0.354,支持在NPU/GPU上基于MindSpore分布式训练(最少8卡)、推理(全精度/FP16,1卡)和多语言任务的迁移学习。

Updated 2 months ago Text

基于生成对抗网络的弱监督病症定位和分割算法,只需要图片级正常/异常的弱监督标签,即可实现新冠CT图像的无偏(unbiased)病灶分割。

Updated 1 month ago Python