#سورس_کد #مقاله

در این روش که چند روز پیش توسط فیس بوک اوپن سورس شده آموزش speech recognition به صورت ‌end-to-end صورت میگیرد .

Open sourcing wav2letter++, the fastest state-of-the-art speech system, and flashlight, an ML library going native

https://code.fb.com/ai-research/wav2letter/

CNN architectures are competitive with #recurrent architectures for tasks in which modeling long-range dependencies is important, such as #language_modeling, machine translation, and #speech_synthesis. In end-to-end #speech_recognition, however, recurrent architectures are still more prevalent for both acoustic and language modeling.

#کلاس_نوت
لطفا در صورت نیاز کلاس نوت های بلاگ مربوط به خود را به روز رسانی کنید.
از بعد پنج شنبه 13 دی ماه تصحیح شروع خواهد شد، و هر رفت و برگشتی که به دلیل ایرادات آن باشد، مشمول درصدی کسر نمره خواهد شد، و مهلت مجدد برای رفع ایرادات داده می شود.

خروجی کد امروزو نشنون ندادم. اولین خروجی که هنوز خیلی ایپاک نزده.

#مجموعه_داده #دیتاست #صوت
چند دقیقه ای بیشتر وقتتان را نمی‌گیرد، به جمع‌آوری این دیتاست کمک می‌کنید؟

@pvcc_bot

دیتاست جمع‌آوری شده نیز به صورت عمومی در دسترس خواهد بود و می‌توانید پس از اتمام تمامی دستورات لینک آن‌ را مشاهده کنید.

@pvcc_bot

#آموزش #مقدماتی #keras


How to use Keras fit and fit_generator (a hands-on tutorial)

The Keras deep learning library includes three separate functions that can be used to train your own models:

.fit
.fit_generator
.train_on_batch


https://www.pyimagesearch.com/2018/12/24/how-to-use-keras-fit-and-fit_generator-a-hands-on-tutorial/

#پروژه
تحویل و دفاع از پروژه های عملی 25 دی ماه بعد از اذان ظهر خواهد بود.
برای دفاع پروژه ها از داوران صاحب نظر خارجی نیز استفاده خواهد شد.
تا کنون داوری که قول قطعی داده است، جنال آقای نوریان، مدیر عامل شرکت سبحه، فعال در محصولات دانش بنیان یادگیری ژرف و موسس سایت بوته، برای ارزشیابی جمعی پروژه های دانشگاهی است.
تلاش برای افزودن به داوران صاحب نظر در نظردهی به کیفیت پروژه ها ادامه دارد.

#آموزش
آموزش شبکه ی مولد تخاصمی (GAN) برای تبدیل تصویر با روش های pix2pix و CycleGAN و پیاده سازی

https://www.aparat.com/v/S9bcT?c

جلسه آخر مباحث ویژه 2 با موضوع "یادگیری ژرف پیشرفته" مقطع کارشناسی دانشگاه تربیت دبیر شهید رجایی
دوشنبه، ۳ دی ۱۳۹۷



اسلاید:
http://fall97.class.vision/slides/17.pdf

کد (نوت بوک پایتون تنسرفلو - کراس) :
http://nbviewer.jupyter.org/github/alireza-akhavan/class.vision/blob/master/57-gan-pix2pix_tensorflow_eager.ipynb


#GAN #pix2pix #cyclegan #keras #tensorflow
#Image_to_Image_Translation

سلام. لطفا اگر مقدور است url پست های خود را به انگلیس با معنی تغیر دهید.

#سورس_کد

[pic: https://t.me/cvision/870]

Image-to-Image Translation in #Tensorflow_js

Fast image-to-image translation in the #browser.
With 3 new trained models .
+ processed dataset of 1000 images for edges2cats translation.

Demo: https://zaidalyafeai.github.io/pix2pix/cats.html
Code(Tensorflow.js): https://github.com/zaidalyafeai/zaidalyafeai.github.io/tree/master/pix2pix

مرتبط با:
https://t.me/cvision/863
https://t.me/cvision/171
https://t.me/cvision/170

#conditional #adversarial #GAN
#pix2pix

#آموزش
پایتونی کد بزنید، اما گراف تنسرفلو داشته باشید!

AutoGraph converts Python into TensorFlow graphs
https://medium.com/tensorflow/autograph-converts-python-into-tensorflow-graphs-b2a871f87ec7

مرتبط با:
https://t.me/cvision/848

#tensorflow #keras #autograph

پست مربوط به همان decorator ی بود که در کدهای جلسه آخر داشتیم

@tf.contrib.eager.defun



https://nbviewer.jupyter.org/github/alireza-akhavan/class.vision/blob/master/57-gan-pix2pix_tensorflow_eager.ipynb

کلاسیک

جدید

موقعیت سه بعدی صفحه.

دوستانی که برای پروژه ها با اسکن صفحاتی که خودشون طراحی و پرینت کردند کار میکنند؛ شدیدا توصیه میشه پست زیر را ببینند:


Aruco:

https://docs.opencv.org/4.0.1/d5/dae/tutorial_aruco_detection.html

#آموزش

Recognizing Speech Commands Using Recurrent Neural Networks with Attention

https://towardsdatascience.com/recognizing-speech-commands-using-recurrent-neural-networks-with-attention-c2b2ba17c837

سورس کد:

A Keras implementation of neural attention model for speech command recognition
https://github.com/douglas125/SpeechCmdRecognition

مرتبط با:

سورس و مقاله wav2letter++ یک روش end2end
https://t.me/cvision/850
جلسه مربوط به Attention در RNNها:
https://www.aparat.com/v/SPZzH
جلسه مربوط به پردازش صوت در RNNها:
https://www.aparat.com/v/cEKal

#attention #rnn #lstm #keras #Speech

https://www.kaggle.com/c/LANL-Earthquake-Prediction?utm_medium=email&utm_source=intercom&utm_campaign=comp-launch-lanl

چالش جدید پیش بینی زمین لرزه

احتمالا به این مشکل برخوردید بعضی وقتا عکسو که میخونید تک کانالست! بعضی وقت ها int هستش! برخی مواقع uint8 و ...
این باعث میشه برای فرمت های مختلف با توابع مختلف که میخونید به دردسر بخورید.
تابع imread زیر خیلی میتونه کمکتون کنه:

import skimage
import imageio


def _to_rgb(img):
    w, h = img.shape
    ret = np.empty((w, h, 3), dtype=np.uint8)
    ret[:, :, 0] = ret[:, :, 1] = ret[:, :, 2] = img
    return ret

def imread(image_path):
content = imageio.imread(os.path.expanduser(image_path))
if content.ndim == 2:
_to_rgb(content)
content = skimage.img_as_ubyte(content)
return content

#آموزش

چگونه در کراس مشکل دیتای imbalance را حل کنیم؟

منبع: کتاب Deep Learning for Computer Vision with Python
(Starter Bundle)

بخش 22.2 Training the Smile CNN

@cvision

#keras #imbalance