DLeX: AI Python
23.7K subscribers
4.76K photos
1.21K videos
763 files
4K links
هوش‌مصنوعی و برنامه‌نویسی

ارتباط :
https://twitter.com/NaviDDariya
Download Telegram
استخدام در یک شرکت #استارت_آپ در #تهران با همکاری مستقیم چندی از اساتید خارج از کشور با دسترسی به داده های کلان
مناسب برای علاقه مندان به کارهای تحقیقاتی و عملی کاربردی، دانشجویانی که علاقه مند به چاپ مقالات به روز و همزمان تولید محصول از پروژه خود هستند
موضوع کار: پردازش داده های شبکیه و بینایی
تخصص های مورد نیاز: #یادگیری_ماشین، #یادگیری_عمیق، #پایتون، #کراس، و #تنسورفلو، یا پلت فرم های مشابه
تخصص های جانبی: پردازش تصویر و نرم افزار R
حداقل مدرک مورد نیاز: کارشناسی ارشد هوش مصنوعی، علوم کامپیوتر، نرم افزار، یا رشته های مرتبط
نوع همکاری: #تمام_وقت، یا #پاره_وقت حداقل سه روز کاری در هفته و یک روز آخر هفته
ارسال رزومه به آدرس تلگرامی @EYbiomed و یا ایمیل biomedmining@gmail.com

با تشکر از: @R3zaEsma3ili

🆔 @ai_python
#تنسورفلو 01
تنسورفلو چیست و چرا؟

تنسورفلو (انگلیسی: TensorFlow یک کتابخانهٔ نرم‌افزاری متن‌باز برای یادگیری ماشین در انواع مختلف وظایف مفهومی و زبان است که در حال حاضر توسط ۵۰ تیم تحقیقاتی و محصولات مختلف گوگل از جمله بازشناسی گفتار، جی‌میل، گوگل فوتوز و جستجو که بسیاری از آن‌ها سابقاً از دیست‌بلیف استفاده کرده بودند، استفاده می‌شود. تنسورفلو در آغاز توسط تیم گوگل برین مرکز تحقیقاتی گوگل به صورت داخلی استفاده می‌شد ولی بعدها در ۹ نوامبر ۲۰۱۵ تحت مجوز آپاچی منتشر شد.
دلایل زیادی نظیر اینکه تصاویر طیف خاکستری در کامپیوتر معمولاً به صورت ماتریس‌های n∗m ذخیره می‌شوند(تصاویر رنگی با ابعاد بیشتر مانند n∗m∗3) و وقتی ما دسته‌ای از تصاویر داریم (مثلاً k تصویر)، مجبوریم ابعاد ماتریس‌ها را به صورت n∗m∗k یا در تصاویر رنگی n∗m∗3∗k افزایش دهیم سبب شدند که در طراحی TensorFlow از داده ساختار تانسور برای نگه داری مقادیر و نوع داده متغیرها استفاده شود. اما مهم ترین دلیل استفاده TensorFlow از تانسورها، در حقیقت سهولت مدیریت وزن‌ها و مقادیر نرون‌ها در لایه‌های مختلف در شبکه‌های عصبی عمیق و یادگیری عمیق است.

تنسور چیست؟
اصولا اگر داده را به صورت بردار در نظر بگیریم به سه نوع خواهد بود:
دسته ۱: داده های برداری که به شکل یک بردار ۱ بعدی هستند
دسته ۲: داده های ماتریسی که به صورت ۲ بعدی خواهند بود
دسته ۳: داده هایی که به صورت ماتریس هایی با ابعاد بالاتر از ۲ هستند که به آنها تنسور گفته میشود.
دلیل اصلی اینکه می بایستی محاسبات تنسور را بیاموزیم این است که در کل داده هایی مانند تصویر به صورت تنسور هایی هستند که گاها بهم مرتبط (مانند ویدئو) و گاها نامرتبط بهم (تصاویر نا مرتبط) می باشند.
❇️ @ai_python
DLeX: AI Python
#تنسورفلو 01 تنسورفلو چیست و چرا؟ تنسورفلو (انگلیسی: TensorFlow یک کتابخانهٔ نرم‌افزاری متن‌باز برای یادگیری ماشین در انواع مختلف وظایف مفهومی و زبان است که در حال حاضر توسط ۵۰ تیم تحقیقاتی و محصولات مختلف گوگل از جمله بازشناسی گفتار، جی‌میل، گوگل فوتوز…
#تنسورفلو 02
تفاوت بین placeholder و Variable چیست؟
در اصل برای اینکه مقادیر را بتوان داخل گراف محاسباتی ایجاد شده وارد کرد می بایستی از placeholder استفاده کرد. در واقع محلی است که برای داده در نظر گرفته شده است. در عین حال برای ذخیره وزن ها و مقادیر مختلف از Variable استفاده میشود و در پروسه یادگیری یاد گرفته می شود.
❇️ @ai_python
#خبر
#نصب راحت تر نسخه GPU تنسرفلو با Anaconda

اکنون آناکوندا کتابخانه های مورد نیاز CUDA و CuDNN را به عنوان پیش نیاز های مورد نیاز تنسرفلو نسخه GPU نصب میکند از این پس نیازی به نصب دستی این پیش نیازها نخواهد بود.

Anaconda now packages CUDA and cuDNN libraries as dependencies of tensorflow-gpu, so you no longer have to install these libs manually.

#تنسورفلو
#tensorflow
❇️ @AI_Python
Forwarded from DLeX: AI Python (Farzad🦅🐋🐕🦏🐻)
نصب TensorFlow روی سیستم عامل ویندوز
👤 ارائه دهنده آقای مهندس علیرضا اخوان‌پور
🎥 http://www.aparat.com/v/gU6ID

—----------------------------------------------------------------------------------
نصب TensorFlow روی سیستم عامل لینوکس
👤 ارائه دهنده آقای مهندس محمد خالوئی
🎥 http://www.aparat.com/v/thUro


#منابع
#تنسورفلو
#فیلم
#TensorFlow

✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
📌 تنسورفلو و یادگیری عمیق بدون PhD

بهترین مزیت این کورس این هست که مدلی که با اون آموزش می دهد همزمان کد‌های تنسورفلو‌ اش هم براتون میزنه و همین مساله خیلی به فهم موضوع کمک خواهد کرد. کل ویدئو‌های آقای Martin Gorner رو میتونید از زیر لینک مشاهد کنید

📍https://cloud.google.com/blog/products/gcp/learn-tensorflow-and-deep-learning-without-a-phd

📍https://github.com/GoogleCloudPlatform/tensorflow-without-a-phd

#یادگیری_عمیق #منابع #آموزش #تنسورفلو
@ai_python
Forwarded from DLeX: AI Python (Milad Farzalizadeh)
خبر جدید: آخرین نسخه تنسورفلو ۲ ساعاتی پیش ارائه شد

TensorFlow 2.0 focuses on simplicity and ease of use, featuring updates like:
Easy model building with Keras and eager execution.
Robust model deployment in production on any platform.
Powerful experimentation for research.
API simplification by reducing duplication and removing deprecated endpoints.

#تنسورفلو
@ai_python
ساخت مدل های پردازش متن با tf.text

TensorFlow Text provides a collection of text related classes and ops ready to use with TensorFlow 2.0. The library can perform the preprocessing regularly required by text-based models, and includes other features useful for sequence modeling not provided by core TensorFlow.

🎥 https://www.youtube.com/watch?v=iu_OSAg5slY

TF World '19👆

#تنسورفلو
❇️ @AI_Python
✴️ @AI_Python_EN
اولین کنفرانس جهانی تنسورفلو با همکاری O'Reilly و TensorFlow

1️⃣ TensorFlow World 2019 | Day 1 Livestream

▶️ http://bit.ly/321F2ol

2️⃣ TensorFlow World 2019 | Day 2 Livestream

▶️ http://bit.ly/34gsevO

#تنسورفلو


❇️ @AI_Python
✴️ @AI_Python_EN
Machine learning models implemented by researchers in TensorFlow 👌

https://github.com/tensorflow/models/tree/master/research

#یادگیری_ماشین #تنسورفلو #منابع

❇️ @AI_Python
✴️ @AI_Python_EN
سورس برنامه Object Detection با Tensorflow-Lite برای اندروید 📱


https://github.com/tensorflow/examples/tree/master/lite/examples/object_detection/android

#تنسورفلو #تشخیص_اشیا

@ai_python
#آموزش #وبینار #سورس_کد

callbacks in Tensorflow2 and Keras

-Tensorboard
- Learning rate finder
- Learning rate decay
- stop your model training!
- custom callback
- save and restore model and resume training
- and ...

گیت‌هاب با لینک اسلایدهای دومین سری از وبینارها با موضوع "استفاده بهتر از تنسرفلو و کراس" به روز شد.

اسلایدهای وبینار:
بخش 1 از 2:
https://www.slideshare.net/Alirezaakhavanpour/callbacks-part1
بخش 2 از 2:
https://www.slideshare.net/Alirezaakhavanpour/callbacks-part2

ویدیوی وبینار:

بخش 1 از 2:
https://www.aparat.com/v/Tdbck
بخش 2 از 2:
https://www.aparat.com/v/r05IW

سورس‌کدها و نوت‌بوکها:
https://github.com/Alireza-Akhavan/tf2-tutorial

#فیلم #منابع #یادگیری_عمیق #پایتون #تنسورفلو
#python


❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN