یادگیری عمیق

شبکه های عصبی عمیق و ابزارهای مرتبط مثل تنسورفلو، کراس، DLIB، CNTK

کلاسه بندی تصاویر با شبکه عصبی پیشخور در Keras

کلاسه بندی با شبکه عصبی پیشخور در Keras

در این مقاله ، به نحوه ی پیاده سازی یک شبکه عصبی پیشخور ( Feed Forward ) در Keras خواهیم پرداخت. ما از کلاسه بندی ارقام دست نویس به عنوان مثالی برای نشان دادن اثربخشی شبکه پیشخور استفاده می کنیم. همچنین خواهیم دید که چگونه می توان بیش برازش ( …

بیشتر بخوانید »

آموزش شبکه عصبی پیشخور ( Feedforward Neural Network )

شبکه های عصبی پیشخور

در این سری از آموزش شبکه عصبی قصد داریم به شبکه های عصبی پیشخور ، که به آن ها Deep Feedforward Networks یا Multi-layer Perceptrons ( پرسپترون چند لایه ) نیز گفته می شود، بپردازیم. این شبکه ها اساس بسیاری از شبکه های عصبی مهمی هستند که اخیرا مورد استفاده …

بیشتر بخوانید »

مبانی یادگیری عمیق با استفاده از Keras

مبانی یادگیری عمیق با Keras

یادگیری عمیق شاخه ای از رشته هوش مصنوعی است که از شبکه های عصبی برای یادگیری ماشین استفاده می کند و در سال های اخیر ، نسبت به روش های یادگیری ماشین سنتی ، در کاربردهای بینایی رایانه ای ، پردازش زبان طبیعی ، رباتیک و بسیاری از حوزه های …

بیشتر بخوانید »

تفسیر پذیری مدل های یادگیری عمیق با Tensorflow 2.0

تقسیر پذیری مدل های یادگیری عمیق با TensorFlow

مقدمه ای بر روش های تفسیر پذیری برای سهولت نظارت بر آموزش شبکه عصبی استفاده از روش Grad Cam روی کلاس گوزن از دیتاست ImageNet این مقاله به معرفی کتابخانه tf-explain می پردازد و توضیحاتی در مورد روش های تفسیر پذیری ، مانند Grad CAM ، با Tensorflow 2.0 ارائه …

بیشتر بخوانید »

آموزش PyTorch برای مبتدیان – ناحیه بندی نمونه با Mask R-CNN

آموزش PyTorch برای مبتدیان ناحیه بندی نمونه با Mask R-CNN

در آخرین پست از مجموعه PyTorch برای مبتدیان ، ما در مورد تئوری Mask R-CNN و نحوه استفاده از یک مدل Mask R-CNN از قبل آموزش دیده در PyTorch بحث خواهیم کرد. فهرست مطالب۱- ناحیه بندی معنایی ، تشخیص اشیا و ناحیه بندی نمونه۱-۱ معماری Mask R-CNN2- کد نویسی Mask …

بیشتر بخوانید »

آموزش PyTorch برای مبتدیان – تشخیص اشیا با Faster R-CNN

آموزش PyTorch تشخیص اشیا با Faster R-CNN

در قسمت ششم دوره آموزشی PyTorch برای مبتدیان ، قصد داریم به فرآیند تشخیص اشیا Faster R-CNN با PyTorch بپردازیم. پس با ما همراه باشید. فهرست مطالب۱- کلاسه بندی تصویر در مقابل تشخیص اشیا۱-۱ کلاسه بندی تصویر یا تشخیص اشیا : از کدام یک باید استفاده کرد؟۲- تشخیص اشیا۱-۲ رویکرد …

بیشتر بخوانید »

دوره آموزشی مروری بر CUDA – آموزش تئوری و مدل برنامه نویسی

دوره آموزشی مروری بر CUDA تئوری و برنامه نویسی

دوره آموزشی مروری بر CUDA توسط Pradeep Gupta مدیر بخش راهکار های نرم افزاری NVIDIA برای آشنایی برنامه نویسان و تیم های نرم افزاری ارائه شده است. این دوره برای اولین بار توسط مجله شهاب با زبان فارسی تقدیم علاقه مندان گردیده است. این دوره به معرفی مفاهیم CUDA و پردازش موازی …

بیشتر بخوانید »

آموزش PyTorch برای مبتدیان – ناحیه بندی معنایی با استفاده از Torchvision

PyTorch برای مبتدیان ناحیه بندی معنایی با استفاده از Torchvision

در قسمت پنجم دوره آموزشی PyTorch برای مبتدیان ، می خواهیم به بررسی مبحث ناحیه بندی معنایی ( Semantic Segmentation ) با استفاده از Torchvision بپردازیم. با ما همراه باشید. فهرست مطالب۱- ناحیه بندی معنایی چیست؟۲- کاربردهای ناحیه بندی معنایی۱-۲ رانندگی خودکار۲-۲ ناحیه بندی چهره۳-۲ ناحیه بندی اشیا خانگی در …

بیشتر بخوانید »

آموزش PyTorch برای مبتدیان – استنباط مدل با ONNX و Caffe2

آموزش PyTorch استنباط با ONNX و Caffe2

PyTorch پس از عرضه در اکتبر ۲۰۱۶ توسط فیس بوک ، به دلیل کاربرپسند بودن ، به سرعت محبوبیت پیدا کرد. همچنین با رابط مشخص و سازگار با پایتون ، برای تحقیق و نمونه سازی سریع بسیار مناسب است. PyTorch می تواند به آسانی کد شما را اشکال زدایی کرده …

بیشتر بخوانید »

آموزش PyTorch برای مبتدیان – کلاسه بندی تصویر با یادگیری انتقالی

آموزش PyTorch کلاسه بندی تصویر با یادگیری انتقالی

در سال های اخیر PyTorch به دلیل سهولت در استفاده و یادگیری ، بسیار مورد توجه قرار گرفته است. زیرا کار با آن بسیار ساده است و می تواند با بهره وری بالا و نتایج قابل اطمینان ، به محققان و دانشمندان داده کمک کند. در این پست، که سومین …

بیشتر بخوانید »