یادگیری عمیق

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

مروری بر CUDA – قسمت سوم : اکوسیستم CUDA

مروری بر CUDA اکوسیستم

این سومین مقاله از مجموعه مروری بر CUDA است که هدف از آن ، بروز کردن مفاهیم کلیدی در CUDA ، ابزارها و بهینه سازی، برای توسعه دهندگان مبتدی یا متوسط است. سهولت برنامه نویسی و جهشی بزرگ در سطح عملکرد، یکی از دلایل اصلی استفاده گسترده از پلتفرم CUDA …

بیشتر بخوانید »

مروری بر CUDA – قسمت دوم : شروع کار با CUDA

مروری بر CUDA شروع کار

این دومین مقاله از مجموعه مروری بر CUDA است که هدف از آن ، بروز کردن مفاهیم کلیدی در CUDA ، ابزارها و بهینه سازی، برای توسعه دهندگان مبتدی یا متوسط است. پیشرفت در علم و تجارت، موجب افزایش نیاز به منابع محاسباتی و تسریع حجم کاری می شود. برنامه …

بیشتر بخوانید »

مروری بر CUDA – قسمت اول : بررسی منشا محاسبات GPU

مروری بر CUDA منشا محاسبات GPU

این اولین مقاله از مجموعه مروری بر CUDA است که هدف از آن ، بروز کردن مفاهیم کلیدی در CUDA ، ابزارها و بهینه سازی، برای توسعه دهندگان مبتدی یا متوسط است. اکتشافات علمی و تحلیل های تجاری، به منابع محاسباتی زیادی احتیاج دارند. در بسیاری از کاربرد ها – …

بیشتر بخوانید »

سخت افزار های یادگیری عمیق : FPGA یا GPU مساله این است!

سخت افزار یادگیری عمیق FPGA و GPU

هنگام استفاده از شبکه عصبی، به غیر از GPU ها ( واحدهای پردازش گرافیک )، گزینه های دیگری، مثل FPGA  ( مخفف Field Programmable Gate Array ) نیز وجود دارد. قبل از پرداختن به FPGA ها و نحوه پیاده سازی شبکه عمیق روی آن ها، بهتر است کمی در مورد …

بیشتر بخوانید »

نحوه تشخیص اشیا با استفاده از یادگیری عمیق روی رسپبری پای

تشخیص خودرو ها با رسپبری پای

پروژه های دنیای واقعی معمولا با چالش هایی از قبیل محدودیت داده ها و سخت افزار های کوچک مانند تلفن همراه و  رسپبری پای ها روبه رو می باشد که نمی توانند مدل های پیچیده یادگیری عمیق را اجرا کند. در این مقاله نحوه انجام تشخیص شی با استفاده از …

بیشتر بخوانید »

وقتی داده های محدودی داریم، چگونه از یادگیری عمیق استفاده کنیم؟ بخش دوم : داده افزایی

داده-افزایی-data-augmentation

این مقاله، مروری جامع بر روش های داده افزایی برای یادگیری عمیق، به ویژه برای تصاویر است. این مطالب، بخش دوم از مقاله “ زمانی که داده های محدود در دسترس باشند، چگونه از یادگیری عمیق استفاده می شود؟” است که بخش اول آن را می توانید اینجا ببینید. همه …

بیشتر بخوانید »

پروژه کلاسه بندی احساسات چهره با استفاده از یادگیری عمیق

پروژه تشخیص احساس با یادگیری عمیق

این مقاله ، بررسی پروژه ی کلاسه بندی احساسات چهره با استفاده از یادگیری عمیق است که توسط Gaganjot Singh انجام شده است. برای دسترسی به کد های پروژه به لینک گیت هاب در انتها مطلب مراجعه نمایید. بخش ۱ در وضعیت امروزی یادگیری ماشین ، تشخیص احساسات یکی از …

بیشتر بخوانید »

وقتی داده های محدودی داریم، چگونه از یادگیری عمیق استفاده کنیم؟ بخش اول : یادگیری انتقالی

داده های نا کافی یادگیری انتقالی

من تصور می کنم هوش مصنوعی شبیه به ساخت یک موشک است که به یک موتور عظیم و مقدار زیادی سوخت نیاز دارد. چنانچه موتور بزرگ اما سوخت کمی دارید، قادر به فعال نمودن آن نخواهید بود. اگر یک موتور کوچک و حدود یک تن سوخت داشته باشید، نمی توانید …

بیشتر بخوانید »

کاربرد شبکه های مولد تخاصمی ( GAN ) با Keras در مات زدایی تصویر

استفاده از شبکه های مولد تخاصمی برای مات زدایی تصاویر

در این آموزش، نحوه ی استفاده از شبکه های مولد تخاصمی ( GAN ) با استفاده از کتابخانه Keras ، برای مات زدایی تصویر نشان داده شده است. در سال ۲۰۱۴، Ian Goodfellow شبکه های مولد تخاصمی ( GAN ) را معرفی کرد. در این مقاله به اعمال GAN روی …

بیشتر بخوانید »

مفهوم شبکه های مولد تخاصمی (GAN) – Generative Adversarial Networks

شبکه های مولد تخاصمی GAN

GAN مخفف عبارت Generative Adversarial Networks به معنای شبکه های مولد تخاصمی است. از این پس از این عبارت مختصر شده بسیار استفاده خواهیم کرد. در این آموزش به صورت قدم به قدم، ساختمان و استدلالی که منجر به GAN ها می شود را به شما توضیح می دهیم. مقدمه …

بیشتر بخوانید »