شبکه تشخیص اشیای EfficientDet، درحال حاضر یکی از بهترین سیستمهای تشخیص اشیا هست. در تصویر 1 میتونید مشاهده کنید که شبکههای خانواده EfficientDet (D0-D7) نسبت به سایر روشها چقدر بهتر هستند.
بلوک دیاگرام کلی EfficientDet رو در تصویر 2 میتونید ببینید. یک شبکه Backbone و بعدش یک لایه بهنام BiFPN چندبار پشت هم تکرار شده. با استفاده از این لایه، ویژگیهای لایههای مختلف شبکه backbone باهم ترکیب شدند. این لایه BiFPN یکی از مهمترین ایدههای مقاله هست.
در واقع لایه BiFPN بهبودیافته همون FPN هست. امروزه در بسیاری از مقالات، از FPN استفاده میشه و خب واقعا تکنیک کارآمدی برای ترکیب ویژگیهاست. در تصویر 3 مورد a، تکنیک FPN نشون داده شده. اما در اینجا، تکنیک BiFPN ارائه شده که در واقع یک مسیر رفت و برگشت داره... تصویر 3 مورد d. لایه BiFPN کمی شبیه به شبکههای بازگشتی دوطرفه شده. موافقید؟!
لینک مقاله EfficientDet:
https://arxiv.org/abs/1911.09070
کد پایتورچ EfficientDet:
https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch/blob/master/readme.md
بلوک دیاگرام کلی EfficientDet رو در تصویر 2 میتونید ببینید. یک شبکه Backbone و بعدش یک لایه بهنام BiFPN چندبار پشت هم تکرار شده. با استفاده از این لایه، ویژگیهای لایههای مختلف شبکه backbone باهم ترکیب شدند. این لایه BiFPN یکی از مهمترین ایدههای مقاله هست.
در واقع لایه BiFPN بهبودیافته همون FPN هست. امروزه در بسیاری از مقالات، از FPN استفاده میشه و خب واقعا تکنیک کارآمدی برای ترکیب ویژگیهاست. در تصویر 3 مورد a، تکنیک FPN نشون داده شده. اما در اینجا، تکنیک BiFPN ارائه شده که در واقع یک مسیر رفت و برگشت داره... تصویر 3 مورد d. لایه BiFPN کمی شبیه به شبکههای بازگشتی دوطرفه شده. موافقید؟!
لینک مقاله EfficientDet:
https://arxiv.org/abs/1911.09070
کد پایتورچ EfficientDet:
https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch/blob/master/readme.md
❤1
Simplifying Transformer Blocks
explores simplifying the transformer block and finds that many block components can be removed with no loss of training speed; using different architectures like autoregressive decoder-only and BERT encoder-only models, the simplified blocks emulate per-update training speed and performance of standard transformers, and even achieve 15% faster training throughput with fewer parameters (15%)
اين هفته يكي از بهترين مقاله لينك زير ميزارم بخونيد
https://arxiv.org/abs/2311.01906
explores simplifying the transformer block and finds that many block components can be removed with no loss of training speed; using different architectures like autoregressive decoder-only and BERT encoder-only models, the simplified blocks emulate per-update training speed and performance of standard transformers, and even achieve 15% faster training throughput with fewer parameters (15%)
اين هفته يكي از بهترين مقاله لينك زير ميزارم بخونيد
https://arxiv.org/abs/2311.01906
❤1👍1
اين يكي مطالبي خوندم جالب بود شما هم دوست داشتيد بخونيد زير لينك ميزارم براتون !
https://towardsdatascience.com/mastering-customer-segmentation-with-llm-3d9008235f41
لينك گيتهاب سورس
https://github.com/damiangilgonzalez1995/Clustering-with-LLM/tree/main
@MachineLearningProjectss
https://towardsdatascience.com/mastering-customer-segmentation-with-llm-3d9008235f41
لينك گيتهاب سورس
https://github.com/damiangilgonzalez1995/Clustering-with-LLM/tree/main
@MachineLearningProjectss
عجيب اما واقعي!
سم اخراج شد
Mr. Altman’s departure follows a deliberative review process by the board, which concluded that he was not consistently candid in his communications with the board, hindering its ability to exercise its responsibilities. The board no longer has confidence in his ability to continue leading OpenAI.
https://openai.com/blog/openai-announces-leadership-transition
سم اخراج شد
Mr. Altman’s departure follows a deliberative review process by the board, which concluded that he was not consistently candid in his communications with the board, hindering its ability to exercise its responsibilities. The board no longer has confidence in his ability to continue leading OpenAI.
https://openai.com/blog/openai-announces-leadership-transition
برترین مقالات هفته ماشین لرنینگ
1 - Emu Video and Emu Edit
https://ai.meta.com/blog/emu-text-to-video-generation-image-editing-research/
2 - Chain-of-Note
https://arxiv.org/abs/2311.09210
1 - Emu Video and Emu Edit
https://ai.meta.com/blog/emu-text-to-video-generation-image-editing-research/
2 - Chain-of-Note
https://arxiv.org/abs/2311.09210
This media is not supported in your browser
VIEW IN TELEGRAM
اگه نمیتونی توی Latex فرمول بنویسی، از این روش استفاده کن
کسایی که با Latex کار کردن میدونن چقدر دردسر داره، مخصوصا نوشتن فرمولاش.
با این روش کافیه از هر فرمولی اسکرین بگیری و کد Latex رو بهت میده.
دربارش توی گیت هاب بیشتر بخونین و ازش استفاده کنین:
https://github.com/lukas-blecher/LaTeX-OCR
کسایی که با Latex کار کردن میدونن چقدر دردسر داره، مخصوصا نوشتن فرمولاش.
با این روش کافیه از هر فرمولی اسکرین بگیری و کد Latex رو بهت میده.
دربارش توی گیت هاب بیشتر بخونین و ازش استفاده کنین:
https://github.com/lukas-blecher/LaTeX-OCR
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
📹 Stability AI has released a model for generating videos from text
Stable Video Diffusion
در دو نسخه موجود است: برای تولید ویدیو با سرعت 14 و 25 فریم در ثانیه. با توجه به معیارهای داخلی، این مدل با کد منبع بسته از Runway و Pika Labs از رقبا بهتر عمل می کند.
كد گيتهاب هم به زودي ميزارم براتون
Stable Video Diffusion
در دو نسخه موجود است: برای تولید ویدیو با سرعت 14 و 25 فریم در ثانیه. با توجه به معیارهای داخلی، این مدل با کد منبع بسته از Runway و Pika Labs از رقبا بهتر عمل می کند.
كد گيتهاب هم به زودي ميزارم براتون
https://youtube.com/playlist?list=PLtBw6njQRU-rwp5__7C0oIVt26ZgjG9NI&si=RVUcxG-Nzoc5_rZ9
اموزش خوبي ميده اگه دوست داشتيد ميتونيد بريد ببينيد
اموزش خوبي ميده اگه دوست داشتيد ميتونيد بريد ببينيد
Introduction to Machine Learning with Python and Scikit-Learn Course
Another FreeCodeCamp course recently published for machine learning with Python. This is a long one (18 hours) that provides an in-depth introduction to machine learning and covers topics such as:
Linear Regression and Gradient Descent
Logistic Regression for Classification
Decision Trees and Random Forests
Gradient Boosting Machines with XGBoost
Unsupervised Learning using Scikit-Learn
Machine Learning Project from Scratch
Deploying a Machine Learning Project with Flask
https://www.youtube.com/watch?v=hDKCxebp88A
Another FreeCodeCamp course recently published for machine learning with Python. This is a long one (18 hours) that provides an in-depth introduction to machine learning and covers topics such as:
Linear Regression and Gradient Descent
Logistic Regression for Classification
Decision Trees and Random Forests
Gradient Boosting Machines with XGBoost
Unsupervised Learning using Scikit-Learn
Machine Learning Project from Scratch
Deploying a Machine Learning Project with Flask
https://www.youtube.com/watch?v=hDKCxebp88A
YouTube
Machine Learning with Python and Scikit-Learn – Full Course
This course is a practical and hands-on introduction to Machine Learning with Python and Scikit-Learn for beginners with basic knowledge of Python and statistics.
It is designed and taught by Aakash N S, CEO and co-founder of Jovian. Check out their YouTube…
It is designed and taught by Aakash N S, CEO and co-founder of Jovian. Check out their YouTube…
This media is not supported in your browser
VIEW IN TELEGRAM
LM Studio: Discover, download, and run local LLMs
اين يكي جالب بود ميتونيد با استفاده از این استودیو میتونید هر نوع مدل زبانی رو کاملا آفلاین روی سیستمتون اجرا کنید!
https://lmstudio.ai/
اين يكي جالب بود ميتونيد با استفاده از این استودیو میتونید هر نوع مدل زبانی رو کاملا آفلاین روی سیستمتون اجرا کنید!
https://lmstudio.ai/
اموزش يادگيري تقويتي
Deep Reinforcement Learning
Course - Hugging Face Deep RL Course
https://bit.ly/45WhVgG
Deep Reinforcement Learning
Course - Hugging Face Deep RL Course
https://bit.ly/45WhVgG
huggingface.co
Welcome to the 🤗 Deep Reinforcement Learning Course - Hugging Face Deep RL Course
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
👍1