【开源实习】针对任务类型Text Classification，开发可在香橙派AIpro开发板运行的应用

【任务分值】20分

【任务背景】
OrangePi AIpro采用昇腾AI技术路线，具体为4核64位处理器+AI处理器，集成图形处理器，支持8/20TOPS AI算力，拥有8GB/12GB/16GB/24GB LPDDR4X，可以外接32GB/64GB/256GB eMMC模块，支持双4K高清输出。
OrangePi AIpro 引用了相当丰富的接口，包括两个HDMI输出、GPIO接口、Type-C电源接口、支持SATA/NVMe SSD 2280的M.2插槽、TF插槽、2.5G高速网口、三个USB3.0、一个USB Type-C 3.0、一个Type-C（串口打印调试功能）、两个MIPI摄像头、一个MIPI屏等，预留电池接口，可广泛适用于AI边缘计算、深度视觉学习及视频流AI分析、视频图像分析、自然语言处理、智能小车、机械臂、人工智能、无人机、云计算、AR/VR、智能安防、智能家居等领域，覆盖 AIoT各个行业。
OrangePi AIpro支持Ubuntu、openEuler操作系统，满足大多数AI算法原型验证、推理应用开发的需求。

【需求描述】
1.针对任务类型Text Classification，基于MindSpore NLP仓已有模型，开发可在香橙派AIpro或其他同硬件的开发板运行的应用。
2.模型参数规模在4B以下，或者模型权重文件大小小于4GB。具体模型规格的选择可以参考HuggingFace镜像站。
3.完整实现相应的功能，并在AIpro或其他同硬件的开发板上运行流畅。

【参考资料】
1.HuggingFace镜像站：https://hf-mirror.com/
2.MindSpore NLP代码仓：https://github.com/mindspore-lab/mindnlp/

【验收标准】
1.提交应用的代码至orange-pi-mindspore代码仓 ：https://github.com/mindspore-courses/orange-pi-mindspore，在Online目录下参照其他应用代码创建单独目录。
2.代码文件为.ipynb格式，并且文件中保留每步的执行结果。

【任务技术要求】
开发板：香橙派Aipro或其他同硬件开发板
开发板镜像: Ubuntu镜像
CANN Toolkit/Kernels：8.0.0.beta1
MindSpore: 2.6.0
MindNLP: 0.4.1
Python: 3.9

【任务提交仓库】
orange-pi-mindspore代码仓master分支 
https://github.com/mindspore-courses/orange-pi-mindspore

【导师邮箱】
崔老师：cuihuating2@h-partners.com
 **PS：申请任务请先发送简历和简要方案给导师邮箱，谢谢合作~**

MindSpore/community
关闭

内容风险标识

评论 (14)

MindSpore/community关闭 .gitee-modal { width: 500px !important; }

内容风险标识