Flexus L實例
即開即用，輕松運維，開啟簡單上云第一步
立即查看
免費體驗中心
免費領(lǐng)取體驗產(chǎn)品，快速開啟云上之旅
立即前往
企業(yè)級DeepSeek
支持API調(diào)用、知識庫和聯(lián)網(wǎng)搜索，滿足企業(yè)級業(yè)務(wù)需求
立即購買
免費體驗中心
免費領(lǐng)取體驗產(chǎn)品，快速開啟云上之旅
立即前往
企業(yè)級DeepSeek
支持API調(diào)用、知識庫和聯(lián)網(wǎng)搜索，滿足企業(yè)級業(yè)務(wù)需求
立即前往
Flexus L實例
即開即用，輕松運維，開啟簡單上云第一步
立即查看
免費體驗中心
免費領(lǐng)取體驗產(chǎn)品，快速開啟云上之旅
立即前往
Flexus L實例
即開即用，輕松運維，開啟簡單上云第一步
立即前往
企業(yè)級DeepSeek
支持API調(diào)用、知識庫和聯(lián)網(wǎng)搜索，滿足企業(yè)級業(yè)務(wù)需求
立即購買
- 藥物篩選模型 深度學習 內(nèi)容精選 換一換
-
- 藥物篩選模型 深度學習 相關(guān)內(nèi)容
-
來自：百科大V講堂——雙向深度學習 大V講堂——雙向深度學習 時間：2020-12-09 14:52:19 以當今研究趨勢由前饋學習重新轉(zhuǎn)入雙向?qū)ε枷到y(tǒng)為出發(fā)點，從解碼與編碼、識別與重建、歸納與演繹、認知與求解等角度，我們將概括地介紹雙向深度學習的歷史、發(fā)展現(xiàn)狀、應(yīng)用場景，著重介紹雙向深度學習理論、算法和應(yīng)用示例。來自：百科
- 藥物篩選模型 深度學習 更多內(nèi)容
-
![]()
藥物研發(fā)：提供多個藥物研發(fā)AI模型、AI算法、藥物知識圖譜，支撐藥企高效的開展藥物研發(fā)工作。 醫(yī)療智能體 將深度學習算法及藥物分析服務(wù)融入藥物研發(fā)過程，讓藥企能更快速高效地完成藥物研發(fā)，節(jié)約研發(fā)成本。 醫(yī)療影像：提供醫(yī)療影像大數(shù)據(jù)的智能標注、難例篩選和自動學習服務(wù)，使用AI輔助診斷，完成病例分析、病來自：百科![]()
。本課程將介紹深度學習算法的知識。 課程簡介 本課程將會探討深度學習中的基礎(chǔ)理論、算法、使用方法、技巧與不同的深度學習模型。 課程目標 通過本課程的學習，使學員： 1、掌握神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論。 2、掌握深度學習中數(shù)據(jù)處理的基本方法。 3、掌握深度學習訓練中調(diào)參、模型選擇的基本方法。來自：百科![]()
度氣象特征。 盤古藥物分子大模型 華為云盤古藥物分子大模型，賦能藥物研發(fā)的全鏈條任務(wù)，旨在幫助醫(yī)藥企業(yè)機構(gòu)顯著提升藥物研發(fā)的效率。囊括了大規(guī)模藥物虛擬篩選、分子動力學模擬等傳統(tǒng)CADD藥物研發(fā)軟件，基于AIDD的蛋白質(zhì)結(jié)構(gòu)預測、分子屬性預測等服務(wù)。助力新靶標藥物的發(fā)現(xiàn)，讓醫(yī)藥公司搭乘AI輔助藥物研發(fā)的“快車”。來自：專題![]()
華為云計算 云知識 基于深度學習算法的語音識別 基于深度學習算法的語音識別 時間：2020-12-01 09:50:45 利用新型的人工智能（深度學習）算法，結(jié)合清華大學開源語音數(shù)據(jù)集THCHS30進行語音識別的實戰(zhàn)演練，讓使用者在了解語音識別基本的原理與實戰(zhàn)的同時，更好的了解人工智能的相關(guān)內(nèi)容與應(yīng)用。來自：百科![]()
云知識 大V講堂——能耗高效的深度學習 大V講堂——能耗高效的深度學習 時間：2020-12-08 10:09:21 現(xiàn)在大多數(shù)的AI模型，尤其是計算視覺領(lǐng)域的AI模型，都是通過深度神經(jīng)網(wǎng)絡(luò)來進行構(gòu)建的，從2015年開始，學術(shù)界已經(jīng)開始注意到現(xiàn)有的神經(jīng)網(wǎng)絡(luò)模型都是需要較高算力和能好的。來自：百科![]()
華為云計算 云知識 深度學習：IoT場景下的AI應(yīng)用與開發(fā) 深度學習：IoT場景下的AI應(yīng)用與開發(fā) 時間：2020-12-08 10:34:34 本課程旨基于自動售賣機這一真實場景開發(fā)，融合了物聯(lián)網(wǎng)與AI兩大技術(shù)方向，向您展示AI與IoT融合的場景運用并解構(gòu)開發(fā)流程；從 物聯(lián)網(wǎng)平臺來自：百科![]()
、自動機器學習等領(lǐng)域。 課程簡介 本教程介紹了AI解決方案深度學習的發(fā)展前景及其面臨的巨大挑戰(zhàn)；深度神經(jīng)網(wǎng)絡(luò)的基本單元組成和產(chǎn)生表達能力的方式及復雜的訓練過程。 課程目標 通過本課程的學習，使學員： 1、了解深度學習。 2、了解深度神經(jīng)網(wǎng)絡(luò)。 課程大綱 第1章 深度學習和神經(jīng)網(wǎng)絡(luò)來自：百科![]()
Snap申報的大模型輔助系統(tǒng)測試代碼生成，榮獲2023年AI4SE “銀彈”優(yōu)秀大模型案例。 此前，大模型輔助系統(tǒng)測試代碼生成案例也入選了由中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟組織評選的2023年AIIA人工智能十大潛力案例。 華為云參編信通院“代碼大模型標準” 為進一步發(fā)揮大模型等AI技術(shù)在軟來自：百科![]()
對載量。 抗病毒藥物研發(fā) 計算機輔助藥物篩選根據(jù)病毒靶點和小分子藥物的3D結(jié)構(gòu)，計算病毒蛋白與藥物之間的結(jié)合能量，實現(xiàn)從成千上萬的小分子庫中篩選出與病毒結(jié)合最緊密的候選藥物，從而快速為藥物研究和臨床試驗提供方向。 藥物篩選通常分為靶點蛋白確定、候選藥物小分子篩選、試驗驗證、臨床驗證四大階段。來自：百科![]()
因此，成都大學附屬醫(yī)院選擇華為云學習培訓產(chǎn)品——時習知，致力于改變以往傳統(tǒng)培訓模式耗時耗力、規(guī)模有限、效果不佳等種種弊端。 時習知線上學習平臺能突破時空限制，視頻、音頻等學習資源可留存，方便臨床工作人員利用空隙時間學習和回看； 有助于醫(yī)院便捷地統(tǒng)計臨床學習情況和考核情況，為優(yōu)化培訓內(nèi)來自：百科![]()
支持十億節(jié)點、百億邊的超大規(guī)模圖數(shù)據(jù)庫查詢，提供適用于基因和生物網(wǎng)絡(luò)數(shù)據(jù)的圖深度學習算法。 擁有基于基因組數(shù)據(jù)自動深度學習的技術(shù)框架AutoGenome，深度融合人工智能技術(shù)，產(chǎn)生更加便捷、快速、準確、可解釋的醫(yī)療智能模型，加速醫(yī)療大健康行業(yè)的研究工作。 華為云 面向未來的智能世界，數(shù)字化來自：百科![]()
ModelArts特色功能如下所示： 數(shù)據(jù)治理 支持數(shù)據(jù)篩選、標注等數(shù)據(jù)處理，提供數(shù)據(jù)集版本管理，特別是深度學習的大數(shù)據(jù)集，讓訓練結(jié)果可重現(xiàn)。 極“快”致“簡”模型訓練 自研的MoXing深度學習框架，更高效更易用，大大提升訓練速度。 云邊端多場景部署 支持模型部署到多種生產(chǎn)環(huán)境，可部署為云端在線推理和批量推理，也可以直接部署到端和邊。來自：百科![]()
控、資源協(xié)調(diào)快-上 相關(guān)推薦 方案概述:應(yīng)用背景 方案概述:應(yīng)用背景 方案概述:應(yīng)用背景 方案概述:優(yōu)勢 虛擬藥物篩選簡介:新型冠狀病毒（COVID-19）虛擬藥物篩選 組網(wǎng)需求 附錄:背景信息： 全文檢索概述:使用場景 方案概述:優(yōu)勢 應(yīng)用場景 醫(yī)療健康:行業(yè)現(xiàn)狀及痛點 醫(yī)院信息查詢:查詢醫(yī)院信息來自：云商店![]()
AI 平臺，為機器學習與深度學習提供海量數(shù)據(jù)預處理及交互式智能標注、大規(guī)模分布式訓練、自動化模型生成，及端-邊-云模型按需部署能力，幫助用戶快速創(chuàng)建和部署模型，管理全周期 AI 工作流。 ModelArts 是面向開發(fā)者的一站式 AI 平臺，為機器學習與深度學習提供海量數(shù)據(jù)預處理來自：專題![]()
ModelArts模型訓練 ModelArts模型訓練簡介 ModelArts模型訓練，俗稱“建模”，指通過分析手段、方法和技巧對準備好的數(shù)據(jù)進行探索分析，從中發(fā)現(xiàn)因果關(guān)系、內(nèi)部聯(lián)系和業(yè)務(wù)規(guī)律，為商業(yè)目的提供決策參考。訓練模型的結(jié)果通常是一個或多個機器學習或深度學習模型，模型可以應(yīng)用到新的數(shù)據(jù)中，得到預測、評價等結(jié)果。來自：專題![]()
低時延場景 深度學習 機器學習中多層神經(jīng)網(wǎng)絡(luò)需要大量計算資源，其中訓練過程需要處理海量的數(shù)據(jù)，推理過程則希望極低的時延。同時機器學習算法還在不斷優(yōu)化中，F(xiàn)PGA以其高并行計算、硬件可編程、低功耗和低時延等優(yōu)勢，可針對不同算法動態(tài)編程設(shè)計最匹配的硬件電路，滿足機器學習中海量計算和低來自：百科![]()
華為云計算 云知識 邏輯模型和物理模型的對比 邏輯模型和物理模型的對比 時間：2021-06-02 14:37:26 數(shù)據(jù)庫 邏輯模型與物理模型的對比如下： 名稱定義：邏輯模型取名按照業(yè)務(wù)規(guī)則和現(xiàn)實世界對象的命名規(guī)范來取名；物理模型需要考慮到數(shù)據(jù)庫產(chǎn)品限制，比如不能出現(xiàn)非法字符，不能使用數(shù)據(jù)庫關(guān)鍵詞，不能超長等約束；來自：百科
看了本文的人還看了
- 使用Python實現(xiàn)深度學習模型：智能藥物研發(fā)與篩選
- arXiv | 藥物組合的深度生成模型
- 深度學習在藥物發(fā)現(xiàn)領(lǐng)域的興起
- 實戰(zhàn)藥物分子篩選之一_初探
- 藥物設(shè)計的深度學習(Deep Learning for Drug Design)
- Nat. Mach. Intell.| 機器學習顯著降低藥物組合篩選成本
- 深度學習模型編譯技術(shù)
- 華為云發(fā)布盤古藥物分子大模型，開啟AI藥物研發(fā)新模式
- 華為云發(fā)布盤古藥物分子大模型，開啟AI藥物研發(fā)新模式
- 生物醫(yī)藥領(lǐng)域-分子對接SOTA模型洞察