فایل صوتی و اسلایدهای آموزش مقدماتی #تنسورفلو توسط آقای لواسانی.
در سمینار آشنایی با مسایل پردازش زبان طبیعی توسط یادگیری ژرف
دانشگاه شهید بهشتی مورخ 24 آذر 1395👆
#beheshti #nlp #Tensorflow
در سمینار آشنایی با مسایل پردازش زبان طبیعی توسط یادگیری ژرف
دانشگاه شهید بهشتی مورخ 24 آذر 1395👆
#beheshti #nlp #Tensorflow
Tensorflow(@CVision)
https://deepmind.com/blog/deep-reinforcement-learning/ Amazingly, DQN achieved human-level performance in almost half of the 50 games to which it was applied; far beyond any previous method. The #DQN source code and Atari 2600 emulator are freely available…
GitHub
GitHub - devsisters/DQN-tensorflow: Tensorflow implementation of Human-Level Control through Deep Reinforcement Learning
Tensorflow implementation of Human-Level Control through Deep Reinforcement Learning - devsisters/DQN-tensorflow
Tensorflow(@CVision)
completion.gif
سورس کد تکمیل نواحی از دست رفته ی تصویر با فریم ورک #تنسورفلو به همراه توضیحات کامل
Image #Completion with Deep Learning in #TensorFlow
🔗blog post: http://bamos.github.io/2016/08/09/deep-completion/
🔗source code: https://github.com/bamos/dcgan-completion.tensorflow
مطالب مرتبط:
https://t.me/cvision/75
https://arxiv.org/abs/1607.07539
#GAN #Generative_Adversarial #DCGAN
Image #Completion with Deep Learning in #TensorFlow
🔗blog post: http://bamos.github.io/2016/08/09/deep-completion/
🔗source code: https://github.com/bamos/dcgan-completion.tensorflow
مطالب مرتبط:
https://t.me/cvision/75
https://arxiv.org/abs/1607.07539
#GAN #Generative_Adversarial #DCGAN
GitHub
GitHub - bamos/dcgan-completion.tensorflow: Image Completion with Deep Learning in TensorFlow
Image Completion with Deep Learning in TensorFlow. Contribute to bamos/dcgan-completion.tensorflow development by creating an account on GitHub.
✅ 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
#نصب
#تنسورفلو
#فیلم
#TensorFlow #install
Thanks to: @BigDataWorkGroup
👤 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
#نصب
#تنسورفلو
#فیلم
#TensorFlow #install
Thanks to: @BigDataWorkGroup
آپارات - سرویس اشتراک ویدیو
فیلم آموزش نصب TensorFlow در سیستم عامل ویندوز
فیلم آموزشی نصب TensorFlow در سیستم عامل ویندوز توسط مهندس علیرضا اخوان پور به جهت آماده سازی کارگاه جلسه پنجم کارگروه کلان داده دانشگاه صنعتی شریف ارائه شده است. در این فیلم به مراحل نصب تنسورفلو پرداخته شده است.
ارائه مقدمات #تنسورفلو در #پایکان 2017
Introduction to #TensorFlow in #IrPyCon 2017
http://prezi.com/sowivnn43xbe/?utm_campaign=share&utm_medium=copy&rc=ex0share
Introduction to #TensorFlow in #IrPyCon 2017
http://prezi.com/sowivnn43xbe/?utm_campaign=share&utm_medium=copy&rc=ex0share
prezi.com
Introduction to Tensorflow
Forwarded from کارگروه کلانداده - دانشگاه صنعتی شریف
باسلام ب همگی وقت بخیر
فیلم و فایلهای جلسه پنجم «تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده» (کارگاه تخصصی TensorFlow)
ارائه دهندگان:
👤مهندس علیرضااخوان پور
👤مهندس محمدخالوئی
🎥 http://bigdataworkgroup.ir/wg_programs/1245
#تحلیل_با_رویکرد_یادگیری_ژرف
#یادگیری_ژرف
#تنسورفلو
#تحلیل_با_رویکرد_یادگیری_ژرف_بر_بستر_کلان_داده
#کارگاه
#TensorFlow
🔹🔸🔹🔸🔹🔸🔹🔸🔹🔸
فیلمها و فایلهای ارائه جلسههای گذشته نیز بهصورت آرشیو منسجم و کامل در سایت کارگروه نیز آماده سازی شده است.
📡 www.bigdataworkgroup.ir
@bigdataworkgroup
فیلم و فایلهای جلسه پنجم «تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده» (کارگاه تخصصی TensorFlow)
ارائه دهندگان:
👤مهندس علیرضااخوان پور
👤مهندس محمدخالوئی
🎥 http://bigdataworkgroup.ir/wg_programs/1245
#تحلیل_با_رویکرد_یادگیری_ژرف
#یادگیری_ژرف
#تنسورفلو
#تحلیل_با_رویکرد_یادگیری_ژرف_بر_بستر_کلان_داده
#کارگاه
#TensorFlow
🔹🔸🔹🔸🔹🔸🔹🔸🔹🔸
فیلمها و فایلهای ارائه جلسههای گذشته نیز بهصورت آرشیو منسجم و کامل در سایت کارگروه نیز آماده سازی شده است.
📡 www.bigdataworkgroup.ir
@bigdataworkgroup
کارگروه کلانداده - دانشگاه صنعتی شریف
جلسه پنجم دوره « تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده » - کارگروه کلانداده - دانشگاه صنعتی شریف
دوره «تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده» با هدف آشنایی و تحلیل مباحث و مفاهیم رویکرد یادگیری ژرف از آذر ۹۵ شروع به فعالیت کرد. این دوره در نظر دارد تا با درک و احاطه پیدا کردن به مفاهیم حوزه، آن را بر بستر کلانداده استفاده نماید. این دوره یک…
بهره گیری از کتابخانه قدرتمند یادگیری ماشین #تنسرفلو در نسخه جدید #اندروید
img: http://bit.ly/2r8BeDM
گوگل در جریان کنفرانس I/O 2017، از ویژگیهای سیستم عامل #اندروید O رونمایی کرد.
...
#تنسورفلو_لایت
قابلیت نوآورانهی #تنسورفلو لایت، نسخهی ویژهای از کتابخانهی یادگیری ماشین منبع باز TensorFlow است که به سریعتر بودن و جایگیری کمتر نرمافزارها کمک خواهد کرد. در حقیقت شرکت گوگل با استفاده از کتابخانهی یادگیری ماشین تنسورفلو لایت، هوش مصنوعی را به گوشی هوشمند هر کاربر خواهد آورد. شرکت گوگل در حال توسعهی API #شبکهی_عصبی جدیدی است که تنسورفلو لایت میتواند با بهرهگیری از مزایای آن باعث شتاب دادن به پردازشها و محاسبات شود.
http://www.zoomit.ir/2017/5/19/156625/android-o-new-features-overview/
https://techcrunch.com/2017/05/17/googles-tensorflow-lite-brings-machine-learning-to-android-devices/
img: http://bit.ly/2r8BeDM
گوگل در جریان کنفرانس I/O 2017، از ویژگیهای سیستم عامل #اندروید O رونمایی کرد.
...
#تنسورفلو_لایت
قابلیت نوآورانهی #تنسورفلو لایت، نسخهی ویژهای از کتابخانهی یادگیری ماشین منبع باز TensorFlow است که به سریعتر بودن و جایگیری کمتر نرمافزارها کمک خواهد کرد. در حقیقت شرکت گوگل با استفاده از کتابخانهی یادگیری ماشین تنسورفلو لایت، هوش مصنوعی را به گوشی هوشمند هر کاربر خواهد آورد. شرکت گوگل در حال توسعهی API #شبکهی_عصبی جدیدی است که تنسورفلو لایت میتواند با بهرهگیری از مزایای آن باعث شتاب دادن به پردازشها و محاسبات شود.
http://www.zoomit.ir/2017/5/19/156625/android-o-new-features-overview/
https://techcrunch.com/2017/05/17/googles-tensorflow-lite-brings-machine-learning-to-android-devices/
#خبر
#Google open-sources mobile-first computer vision models for TensorFlow
pic: http://bit.ly/2sbzqYu
[Published June 14, 2017]
گوگل mobileNet منتشر شده در مقاله دو ماه پیش را به صورت متن باز برای #تنسورفلو منتشر کرد.
شبکه های از پیش آموزش داده شده مناسب برای بازشناسی اشیاء در موبایل.
🔗 https://research.googleblog.com/2017/06/mobilenets-open-source-models-for.html
🔗 https://venturebeat.com/2017/06/14/google-open-sources-mobile-first-computer-vision-models-for-tensorflow/
✒️مرتبط با:
✔️تنسورفلو برای اندروید:
https://t.me/cvision/208
✔️مقاله mobileNet
https://t.me/cvision/254
#TensorFlow #TensorFlow #TensorFlow_Lite #convolutional_neutral_network
#pre_train #computer_vision
#Google open-sources mobile-first computer vision models for TensorFlow
pic: http://bit.ly/2sbzqYu
[Published June 14, 2017]
گوگل mobileNet منتشر شده در مقاله دو ماه پیش را به صورت متن باز برای #تنسورفلو منتشر کرد.
شبکه های از پیش آموزش داده شده مناسب برای بازشناسی اشیاء در موبایل.
🔗 https://research.googleblog.com/2017/06/mobilenets-open-source-models-for.html
🔗 https://venturebeat.com/2017/06/14/google-open-sources-mobile-first-computer-vision-models-for-tensorflow/
✒️مرتبط با:
✔️تنسورفلو برای اندروید:
https://t.me/cvision/208
✔️مقاله mobileNet
https://t.me/cvision/254
#TensorFlow #TensorFlow #TensorFlow_Lite #convolutional_neutral_network
#pre_train #computer_vision
#تشخیص_اشیاء در #تنسورفلو با استفاده از #دیتاست openimages
#Object_Detection with Open Images, using #Tensorflow
https://blog.algorithmia.com/deep-dive-into-object-detection-with-open-images-using-tensorflow/
مرتبط با
https://t.me/cvision/272
#Object_Detection with Open Images, using #Tensorflow
https://blog.algorithmia.com/deep-dive-into-object-detection-with-open-images-using-tensorflow/
مرتبط با
https://t.me/cvision/272
Algorithmia Blog
Deep Dive into Object Detection with Open Images, using Tensorflow | Algorithmia Blog
Tensorflow Tutorial and Demo: train a computer vision model with Google’s new Open Images Dataset and serve inferences via Algorithmia
#سورس_کد
پیاده سازی مدل جدید هینتون در #تنسورفلو
A Tensorflow implementation of CapsNet(Capsules Net) in Hinton's paper Dynamic Routing Between Capsules
🔗Code:
https://github.com/naturomics/CapsNet-Tensorflow
مرتبط با:
معرفی شبکه
https://t.me/cvision/355
کد در کراس:
https://t.me/cvision/361
#CapsNet #TensorFlow #Hinton #Deep_learning
پیاده سازی مدل جدید هینتون در #تنسورفلو
A Tensorflow implementation of CapsNet(Capsules Net) in Hinton's paper Dynamic Routing Between Capsules
🔗Code:
https://github.com/naturomics/CapsNet-Tensorflow
مرتبط با:
معرفی شبکه
https://t.me/cvision/355
کد در کراس:
https://t.me/cvision/361
#CapsNet #TensorFlow #Hinton #Deep_learning
GitHub
GitHub - naturomics/CapsNet-Tensorflow: A Tensorflow implementation of CapsNet(Capsules Net) in paper Dynamic Routing Between Capsules
A Tensorflow implementation of CapsNet(Capsules Net) in paper Dynamic Routing Between Capsules - naturomics/CapsNet-Tensorflow
#کورس
انتشار کورس جدید Deep Learning from the Foundations توسط جرمی هاوارد
5 ویدیو در مورد آموزش مفاهیم و مبانی دیپ لرنینگ با #پایتورچ ، #fastai و پایتون و 2 ویدیو آخر مربوط به #سوئیفت و استفاده از آن در #تنسورفلو می باشد که توسط نویسنده این زبان آموزش داده شده است.
Jeremy Howard:
"Today we are releasing a new course (taught by me), Deep Learning from the Foundations, which shows how to build a state of the art deep learning model from scratch. It takes you all the way from the foundations of implementing matrix multiplication and back-propogation, through to high performance mixed-precision training, to the latest neural network architectures and learning techniques, and everything in between. It covers many of the most important academic papers that form the foundations of modern deep learning, using “code-first” teaching, where each method is implemented from scratch in python and explained in detail (in the process, we’ll discuss many important software engineering techniques too). The whole course, covering around 15 hours of teaching and dozens of interactive notebooks, is entirely free (and ad-free), provided as a service to the community. The first five lessons use Python, PyTorch, and the fastai library; the last two lessons use Swift for TensorFlow, and are co-taught with Chris Lattner, the original creator of Swift, clang, and LLVM."
لینک صفحه کورس: https://course.fast.ai/part2
لینک خبر: https://www.fast.ai/2019/06/28/course-p2v3
انتشار کورس جدید Deep Learning from the Foundations توسط جرمی هاوارد
5 ویدیو در مورد آموزش مفاهیم و مبانی دیپ لرنینگ با #پایتورچ ، #fastai و پایتون و 2 ویدیو آخر مربوط به #سوئیفت و استفاده از آن در #تنسورفلو می باشد که توسط نویسنده این زبان آموزش داده شده است.
Jeremy Howard:
"Today we are releasing a new course (taught by me), Deep Learning from the Foundations, which shows how to build a state of the art deep learning model from scratch. It takes you all the way from the foundations of implementing matrix multiplication and back-propogation, through to high performance mixed-precision training, to the latest neural network architectures and learning techniques, and everything in between. It covers many of the most important academic papers that form the foundations of modern deep learning, using “code-first” teaching, where each method is implemented from scratch in python and explained in detail (in the process, we’ll discuss many important software engineering techniques too). The whole course, covering around 15 hours of teaching and dozens of interactive notebooks, is entirely free (and ad-free), provided as a service to the community. The first five lessons use Python, PyTorch, and the fastai library; the last two lessons use Swift for TensorFlow, and are co-taught with Chris Lattner, the original creator of Swift, clang, and LLVM."
لینک صفحه کورس: https://course.fast.ai/part2
لینک خبر: https://www.fast.ai/2019/06/28/course-p2v3
#کتابخانه #پردازش_متن #تنسورفلو
TF.Text - Text processing in Tensorflow
کتابخانه مخصوص پردازش متن در نسخه جدید Tensorflow
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.
وقتی از سرگروه تیم TF.Text پرسیدند که کراس هم یک API پردازش متن داره که روی تنسورفلو اجرا میشه،پس TF.Text چه فرقی با اون داره؟ گفت:
"Keras has a subset, but not the breadth of TF.Text. We are actively talking with them to fill in gaps we believe language engineers want, but are not provided in the core Keras API, and I wouldn't be surprised if additional Keras layers are provided by TF.Text in the future."
ویژگی های این کتابخانه از زبان سرگروه تیم TF.Text:
- Focusing on the new tools for tokenizing text strings
- Tools for pattern-matching, n-gram creation, unicode normalization, and sequence constraints
- The code is designed to operate on RaggedTensors: Variable-length tensors which are better-suited for processing textual sequences.
- Pre-processing steps are now first-class citizens of the TensorFlow compute graph, which gives them all the advantages of that system. In particular, according to the documentation, "You do not need to worry about tokenization in training being different than the tokenization at inference...."
صفحه گیت هاب این کتابخانه:
https://github.com/tensorflow/text
نوت بوک شروع:
https://storage.googleapis.com/tensorflow_docs/text/examples/intro.ipynb
TF.Text - Text processing in Tensorflow
کتابخانه مخصوص پردازش متن در نسخه جدید Tensorflow
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.
وقتی از سرگروه تیم TF.Text پرسیدند که کراس هم یک API پردازش متن داره که روی تنسورفلو اجرا میشه،پس TF.Text چه فرقی با اون داره؟ گفت:
"Keras has a subset, but not the breadth of TF.Text. We are actively talking with them to fill in gaps we believe language engineers want, but are not provided in the core Keras API, and I wouldn't be surprised if additional Keras layers are provided by TF.Text in the future."
ویژگی های این کتابخانه از زبان سرگروه تیم TF.Text:
- Focusing on the new tools for tokenizing text strings
- Tools for pattern-matching, n-gram creation, unicode normalization, and sequence constraints
- The code is designed to operate on RaggedTensors: Variable-length tensors which are better-suited for processing textual sequences.
- Pre-processing steps are now first-class citizens of the TensorFlow compute graph, which gives them all the advantages of that system. In particular, according to the documentation, "You do not need to worry about tokenization in training being different than the tokenization at inference...."
صفحه گیت هاب این کتابخانه:
https://github.com/tensorflow/text
نوت بوک شروع:
https://storage.googleapis.com/tensorflow_docs/text/examples/intro.ipynb
GitHub
GitHub - tensorflow/text: Making text a first-class citizen in TensorFlow.
Making text a first-class citizen in TensorFlow. Contribute to tensorflow/text development by creating an account on GitHub.