برنامه نویسی

آشنایی با کتابخانه تنسورفلو

آشنایی با کتابخانه ی تنسورفلو

تنسورفلو، یک کتابخانه ی متن باز یادگیری ماشین برای زبان پایتون ( و زبان C++ ) است که توسط تیم Google Brain در نهم نوامبر ۲۰۱۵ معرفی شد. امروزه گوگل از این کتابخانه برای مواردی چون بازشناسی گفتار، Gmail، Google photo و سرویس های جست وجو استفاده می کند.از آنجایی که تنسور فلو بر اساس …

آشنایی با کتابخانه ی تنسورفلو مشاهده

آموزش OpenCV – قسمت چهارم : وقتشه دست به کار شیم!

در این قسمت ساختار های داده پایه، ماتریس ها و دیگر ساختار های مورد نیازدر پروژه ها را معرفی می کنیم. همچنین در مورد چگونگی ذخیره متغیر ها و داده ها در فایل مشابه به وسیله توابع OpenCV صحبت خواهد شد. خواندن و نوشتن عکس خواندن ویدئو و دسترسی به دستگاه های دوربین ساختار های …

آموزش OpenCV – قسمت چهارم : وقتشه دست به کار شیم! مشاهده

پیاده سازی شبکه های عصبی عمیق در متلب: آشنایی با تولباکس یادگیری عمیق

تولباکس یادگیری عمیق(آشنایی با چگونگی ساختن، پردازش و آموزش شبکه های یادگیری عمیق تولباکس یادگیری عمیق، چهارچوب یکپارچه ای را برای طراحی و بهینه سازی شبکه های عصبی عمیق با الگوریتمها، مدل های پیش آموزش یافته و اپلیکیشنها  تهیه کرده است. شما می توانید از شبکه های عصبی کانولوشن( ConvNets و CNNs) و شبکه های …

پیاده سازی شبکه های عصبی عمیق در متلب: آشنایی با تولباکس یادگیری عمیق مشاهده

رنگ آمیزی تصاویر خاکستری با استفاده از شبکه عصبی کانولوشن در OpenCV

نویسنده: سونیتا نایاک-۲۹ ژولای ۲۰۱۷ مترجم: حسین غلامعلی نژاد فن آوری بعضی اوقات می تواند به پیشرفت و تعالی هنر کمک کند و گاهی می تواند موجبات پسرفت و افول را برای هنر فراهم آورد. رنگ آمیزی فیلم های سیاه و سفید، ایده ای بسیار قدیمی(از سال ۱۹۰۲) بوده است. برای چندین دهه، سازندگان فیلم …

رنگ آمیزی تصاویر خاکستری با استفاده از شبکه عصبی کانولوشن در OpenCV مشاهده

بررسی معماری های شناخته شده شبکه های عصبی کانولوشنی عمیق(قسمت دوم)

در درسنامه ی قبل، با سه معماری مهم از شبکه های عمیق کانولوشن آشنا شدیم. در این درسنامه به بررسی ادامه ی این روشها خواهیم پرداخت. معماری GoogLeNet Szegedy و همکاران در سال ۲۰۱۴ شبکه گوگل GoogLeNet را معرفی کرد این معماری شامل ۲۲ لایه است و به خطای ۶٫۷ درصدی دست پیدا کرد. این معماری برای …

بررسی معماری های شناخته شده شبکه های عصبی کانولوشنی عمیق(قسمت دوم) مشاهده

بررسی معماری های شناخته شده شبکه های عصبی کانولوشنی عمیق(قسمت اول)

نگارنده: حسین نیکدل معماری AlexNet اولین شبکه عصبی کانولوشن که در چالش ILSVRC-2012 اعمال شد AlexNet بود ، این معماری داده های پایگاه داده ImageNet که در ۱۰۰۰ گروه طبقه بندی شده بودند را با خطای ۱۵ درصد طبقه بندی کرد. این معماری شامل ۵ لایه کانولوشن ادغام شده با لایه های max-pooling و سه …

بررسی معماری های شناخته شده شبکه های عصبی کانولوشنی عمیق(قسمت اول) مشاهده

اسکرول به بالا