بایگانی/آرشیو برچسب ها : یادگیری عمیق

آشنایی با Autoencoder ها در Tensorflow برای حذف نویز

آشنایی با Autoencoder ها درTensorFlow 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

کلاسه بندی تصویر با 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

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 »

دوره تصویری یادگیری عمیق به زبان ساده

دوره یادگیری عمیق به زبان ساده

در این دوره شما با مفهوم یادگیری عمیق آشنا می شوید. سپس به صورت جزئی انواع شبکه های عصبی ، ساختار آن ها و کاربرد هرکدام را بررسی می کنیم و در انتها با کتابخانه ها و ابزار های کاربردی در این حوزه آشنا خواهیم شد. این مجموعه در صورت …

بیشتر بخوانید »

دوره جامع آموزش PyTorch برای مبتدیان

دوره جامع آموزش PyTorch برای مبتدیان

دوره آموزشی PyTorch برای مبتدیان توسط Satya Mallick مدیر عامل OpenCV به عنوان مرجعی رسمی برای استفاده از PyTorch و کد نویسی آن ارائه شده که به مباحث مختلفی در زمینه پردازش تصویر ، کلاسه بندی و ناحیه بندی تصویر می پردازد. این دوره برای اولین بار توسط مجله شهاب به …

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 »