🔹 نمایش بصری مدل‌های یادگیری عمیق
✅ با ابزار Netron

👨🏻‍💻 این روزا دارم با ابزار Netron کار می‌کنم تا معماری مدل‌های یادگیری عمیق رو بهتر بفهمم! وقتی مدل‌های مختلفی رو بررسی می‌کنی، گاهی فهمیدن معماریشون سخت می‌شه. واسه همین Netron خیلی به کار میاد. Netron یه ابزار بصری برای نمایش معماری شبکه‌های عصبی و مدل‌های یادگیری عمیقه که کلی فرمت مختلف رو پشتیبانی می‌کنه.

#️⃣ ویژگی‌های Netron:

1️⃣ نمایش شفاف و تعاملی از معماری مدل‌ها.
2️⃣ پشتیبانی از فرمت‌های مختلف.
3️⃣ نیاز به نصب و تنظیمات خاصی نداره.

┌ 🧠 Netron
├ 💰 App
└ 🐱 GitHub-Repos


🌐 #یادگیری_عمیق #DeepLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa

✏️ جزوه "ریاضیات یادگیری عمیق"

👨🏻‍💻 یادگیری عمیق فقط یه بحث کدنویسی نیست، بلکه نیاز به فهم ریاضیات پشت ماجرا داره تا بتونید مدل‌های دقیق و بهینه‌تری بسازین.

✅ جزوه‌ای که بهتون معرفی می‌کنم، پایه‌ ریاضیات یادگیری عمیق رو از سه جنبه مهم پوشش میده: نظریه تقریب، بهینه‌سازی و یادگیری آماری. به زبونی ساده و قابل فهم، شما رو با مفاهیم اصلی و اساسی آشنا می‌کنه و کمک می‌کنه پایه‌ ریاضیاتی خوبی رو برای درک مدل‌های یادگیری عمیق ایجاد کنین.


🌐 #یادگیری_عمیق #DeepLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖
🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa

🚀 با این تغییر کوچیک سرعت آموزش مدل‌هات رو تا 5 برابر افزایش بده!

👨🏻‍💻 پایتورچ توی آموزش مدل‌ها با GPU چند تا تنظیم پیش‌فرض داره که بهینه نیستن و من با یه تغییر کوچیک توی تنظیمات، تونستم حدود 5 برابر سرعت آموزش مدل‌ها رو افزایش بدم!

❓ چطوری این کارو کردم؟ توی هر مدل PyTorch که با GPU کار می‌کنه، وقتی GPU در حال پردازشه، CPU بیکار می‌مونه و برعکس. اینجا جایی‌ایه که می‌تونیم با استفاده از Memory Pinning این وضعیت رو بهینه کنیم.


✔️ چطور Memory Pinning رو فعال کنیم؟

1️⃣ توی آبجکت DataLoader گزینه pin_memory=True رو فعال کن.

2️⃣ هنگام انتقال داده‌ها به GPU از این دستور استفاده کن: .to(device, non_blocking=True)

3️⃣ همچنین مقدار num_workers رو توی DataLoader تنظیم کن تا از چند هسته CPU برای تسریع انتقال داده‌ها استفاده بشه.

⏪ با این تنظیمات ساده، می‌تونی سرعت آموزش مدل‌هات رو به طور چشمگیری افزایش بدی!

🌫 Memory Pinning


🌐 #یادگیری_عمیق #DeepLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa

💡 ساده‌سازی مدل‌های یادگیری عمیق
✅ تنها با یه خط کد!

👨🏻‍💻 اگه بهینه‌سازی و کاهش حجم مدل‌های یادگیری عمیق برات دغدغه‌ست، دیگه لازم نیش بهش فکر کنی! حالا با ابزار torchao می‌تونی مدل‌هات رو به راحتی کوانتیزه کنی، اون هم فقط با یه خط کد!👌

✔️ تازه اگه شک داری که کدوم روش کوانتیزاسیون مناسب‌تره، می‌تونی از قابلیت autoquant استفاده کنی تا خودش به صورت خودکار لایه‌های مدل رو کوانتیزه کنه.

✏️ این یعنی تو به جای اینکه وقتت رو روی انتخاب روش مناسب هدر بدی، فقط یه خط کد می‌نویسی و همه چیز رو می‌سپاری به torchao. با این ابزار راحت‌تر از همیشه مدل‌های یادگیری عمیق رو بهینه کن!👇

┌ ⏩ torchao
└ 🐱 GitHub-Repos


🌐 #یادگیری_عمیق #DeepLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa

🔄 معماری شبکه‌های عصبی رو راحت و دقیق طراحی کن!

👨🏻‍💻 یکی از مشکلات مهندس‌های ML اینه که معماری شبکه‌های عصبی رو به صورت دستی طراحی می‌کنن. این کار علاوه بر زمانبر بودن، چالش‌های زیادی هم به همراه داره!

✔️ اگه می‌خواین معماری شبکه‌های عصبی‌ رو دقیق و با جزئیات فوق‌العاده طراحی کنین، ابزار NN-SVG رو امتحان کنین!

⏪ با این ابزار می‌تونین بدون دردسر و طراحی دستی، معماری شبکه‌هاتون رو به صورت پارامتریک بسازین و هر چیزی رو به راحتی تغییر بدین.

✏️ از ویژگی‌های مهم این ابزار:

1️⃣ طراحی پارامتریک: تغییر راحت معماری.
2️⃣ خروجی SVG: مناسب برای مقالات علمی.

┌ 💸 NN-SVG
├ 💰 Website
└ 🐱 GitHub-Repos


🌐 #یادگیری_عمیق #DeepLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa

🌫 جزوه «یادگیری عمیق دانشگاه شریف»

👩🏻‍💻 این جزوه که توسط دکتر حمید بیگی، استاد دانشکده کامپیوتر شریف تهیه شده، اصول اولیه یادگیری عمیق رو به شکلی ساده و قابل فهم توضیح میده. این دوره قدم به قدم، از مدل‌های ساده‌ای مثل پرسپترون چند لایه تا مفاهیم پیچیده‌تری مثل مدل‌های دنباله به دنباله (Sequence-to-Sequence) رو پوشش میده.

📝 از لحاظ پیاده‌سازی هم از فریم‌ورک‌های پرکاربردی مثل PyTorch و TensorFlow استفاده میشه که هر کسی که توی این حوزه فعالیت می‌کنه باید باهاشون آشنا باشه. این فریم‌ورک‌ها کمک می‌کنن تا به راحتی مدل‌ها رو اجرا و تست کنید.

✅ اگه دنبال یادگیری دیپ لرنینگ با یه رویکرد کاربردی و عملی و در عین حال جامع هستین، این جزوه دقیقاً همون چیزیه که بهش نیاز دارین.👌


🌐 #یادگیری_عمیق #DeepLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa

📂 دوره جامع «مدل‌های مولد عمیق»
🛡 از دانشگاه استنفورد

👩🏻‍💻 وقتی می‌خوای وارد دنیای مدل‌های مولد بشی، لازمه که اول مبانی رو خوب یاد بگیری، و هیچ جایی بهتر از دوره دانشگاه استنفورد نمی‌تونه کمکت کنه! این دوره، قدم‌به‌قدم تو رو با مفاهیم پایه‌ای و مدل‌های پیشرفته مولد عمیق آشنا می‌کنه و یه منبع حرفه‌ای و جامع برای یادگیری مدل‌های مولد عمیقه.

✔️ پس اگه میخوای بدونی چطور این مدل‌ها می‌تونن از پردازش تصویر تا زبان طبیعی NLP و حتی حل مسائل پیچیده مثل یادگیری تقویتی رو متحول می‌کنن، این دوره دقیقا برای توئه که هم آموزش جامع می‌ده و هم کلی مثال واقعی از پروژه‌های صنعتی رو پوشش میده.👇

┌ 🔴 Deep Generative Models
├ ⌨️ Course Homepage
├ 📹 Lecture Videos
└ 🐱 GitHub-Repos


🌐 #یادگیری_عمیق #DeepLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa

🖊 جزوه مبانی یادگیری عمیق
💰 از مفاهیم پایه تا پیشرفته

👨🏻‍💻 جزوه‌ای که توسط دکتر رومن تاونارد استاد دانشگاه رِن فرانسه نوشته شده، مخصوص کسایی‌ایه که می‌خوان از یادگیری عمیق رو از پایه تا مفاهیم پیشرفته یاد بگیرن.

📌 تو این جزوه، مفاهیم شبکه‌های عصبی برای دسته‌بندی و رگرسیون داده‌های جدولی، شبکه‌های عصبی پیچشی برای دسته‌بندی تصاویر، و حتی پیش‌بینی توالی‌ها به طور کامل توضیح داده شده.

✅ علاوه بر این، یادگیری انتقالی هم که خیلی به درد کار با تصاویر می‌خوره، تو این جزوه به خوبی پوشش داده شده. پس اگه می‌خواین تو زمینه دیپ لرنینگ حرفه‌ای بشین، این جزوه می‌تونه یه منبع فوق‌العاده برای شروع یادگیری در این مسیر باشه.👌


🌐 #یادگیری_عمیق #DeepLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa

🥇 بهترین راه یادگیری شبکه‌های عصبی، اینجاست!

👨🏻‍💻 اگه دنبال یادگیری عمیق و اصولی شبکه‌های عصبی هستین، دست نگه دارین! دیگه لازم نیست توی هزارتوی کتاب‌ها و ویدیوهای آموزشی گم بشین.

✔️ با یه کتابخونه اُپن سورس به نام mlfz می‌تونین مفاهیم پایه تا پیشرفته شبکه‌های عصبی رو به ساده‌ترین شکل ممکن یاد بگیرین! این کتابخونه مثل یه کتاب درسی نوشته شده و در عین حال که دارین با کدهاش کار می‌کنین، شبکه‌های عصبی رو هم یاد می‌گیرین!

⏪ اینجا دیگه خبری از PDF و اینفوگرافی نیست؛ شما در واقع از صفر یاد می‌گیرین که شبکه‌های عصبی چطور کار می‌کنن. چیزی که این تجربه رو جذاب‌تر می‌کنه اینه که بخش به بخش کدها رو کنار هم می‌ذارین و یه شبکه عصبی واقعی رو، از اول می‌سازین.

✏️ این روش مطالعه، عمیق‌ترین و موندگارترین روش یادگیریه. چون خودت داری هر چیزی رو از پایه می‌سازی و با دستای خودت می‌بینی چطور این شبکه‌ها کار می‌کنن.👇

┌ 🏳️‍🌈 mlfz
├ 📄 Documentation
└ 🐱 GitHub-Repos

pip install mlfz

🌐 #یادگیری_عمیق #DeepLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa

📄 جزوه جامع «یادگیری عمیق»
🖥 دانشگاه صنعتی شریف / در 1014 صفحه!

👨🏻‍💻 یکی از بهترین جزوه‌های یادگیری عمیقی که دیدم همین جزوه دکتر فاطمی زاده، استادیار دانشکده برق شریفه. یه مرجع جامع و منظم برای آموزش اصولی و گام به گام مفاهیم یادگیری عمیق.

◀️از مفاهیم پایه دیپ لرنینگ شروع می‌‌کنه و به‌ تدریج به موضوعات پیشرفته‌تری مثل شبکه‌های عصبی کانولوشنی (CNN) و شبکه‌های بازگشتی (RNN)، GAN و... می‌پردازه.



🌐 #یادگیری_عمیق #DeepLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa