در دو پست قبلی ، نحوه استفاده از مدل های از پیش آموزش دیده و نحوه استخراج ویژگی ها از آن ها برای آموزش مدلی به منظور انجام وظایف متفاوت را یاد گرفتیم. در این آموزش ، قصد داریم به نحوه ی تنظیم دقیق یک مدل از پیش آموزش دیده …
بیشتر بخوانید »آموزش شبکه عمیق با داده های اندک از روش KGGR
در بحث شناسایی اشیا در یک تصویر ، شناسایی چندین شی در یک تصویر به طور هم زمان هم چنان دارای چالش عملیاتی است. با جستجوی مناطق دارای مفوم مشترک و بهره برداری از وابستگی اشیا مختلف با یکدیگر ، پیشرفت ها چشمگیری در این زمینه حاصل شده است. اگرچه، …
بیشتر بخوانید »آموزش Keras : یادگیری انتقالی با استفاده از مدل های از پیش آموزش دیده
در آموزش قبلی ، نحوه استفاده از مدل هایی که برای کلاسه بندی تصویر روی داده های ILSVRC آموزش دیده اند را یاد گرفتیم. در این آموزش ، ما نحوه استفاده از آن مدل ها به عنوان یک استخراج کننده ویژگی و آموزش یک مدل جدید برای یک کار کلاسه …
بیشتر بخوانید »آشنایی با شبکه های عصبی بازگشتی (RNNs)
این مقاله به طور کامل شبکه های بازگشتی ، نحوه عملکرد حافظه آن ها و نحوه استفاده از آن ها برای مدیریت داده های دنباله ای مانند متن و سری های زمانی را توضیح می دهد. آیا تا به حال به شبکه عصبی بازگشتی به دید یک ماشین زمان نگاه …
بیشتر بخوانید »آموزش Keras : استفاده از مدل های از پیش آموزش دیده ImageNet
در این مقاله سعی داریم به نحوه استفاده از مدل های از پیش آموزش دیده در مجموعه های داده بزرگ مانند ILSVRC بپردازیم و همچنین نحوه استفاده از آن ها را برای وظایفی متفاوت از آنچه در آن آموزش دیده بودند را یاد می گیریم. در سه پست بعدی به …
بیشتر بخوانید »آموزش شبکه های عصبی عمیق با داده های اندک
استخراج ویژگی در بینایی رایانه مهم است. با نگاشت دادن تصاویر به فضاهای برداری از لحاظ معنایی، ویژگی های خاص و اطلاعات کلیدی را استخراج می شود که می تواند برای طیف وسیعی از کارهای پیش بینی استفاده شود. با این حال، یادگیری ویژگی های استخراج شده معمولاً به مقدار …
بیشتر بخوانید »آشنایی با Autoencoder ها در Tensorflow برای حذف نویز
در پست قبلی به درک شبکه عصبی پیشخور پرداختیم. در این مقاله ، با خودرمزگذار ( Autoencoder ) ها در یادگیری عمیق آشنا خواهیم شد. ما به عنوان مثال یک پیاده سازی عملی از استفاده از یک خودرمزگذار حذف نویز در مجموعه داده های ارقام دست نویس MNIST را نشان …
بیشتر بخوانید »کلاسه بندی تصویر با شبکه عصبی کانولوشنی ( CNN ) در Keras
در این آموزش ، ما با اصول شبکه های عصبی کانولوشنی ( CNN ) و نحوه استفاده از آن ها برای یک مسئله کلاسه بندی تصویر آشنا خواهیم شد. همچنین خواهیم دید که داده افزایی چگونه به بهبود عملکرد شبکه کمک می کند. ما در آموزش های قبلی در مورد …
بیشتر بخوانید »کلاسه بندی تصاویر 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 )
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 »