#مقایسه
#GPU

#Quadro vs #GeForce GPUs for training neural networks

If you’re choosing between Quadro and GeForce, definitely pick GeForce. If you’re choosing between Tesla and GeForce, pick GeForce, unless you have a lot of money and could really use the extra RAM.

http://deeplearning.lipingyang.org/2017/04/02/quadro-vs-geforce-gpus-for-training-neural-networks/

#مقایسه
#GPU

سوال؟
آیا اگر یک GPU ی Nvidia هم از لحاظ تعداد هسته ی CUDA، هم از لحاظ رم، و هم قیمت! بالاتر از مدل دیگه بود لزوما برای کار دیپ لرنینگ بهتره؟

پاسخ: به هیچ وجه.
اول توصیه میکنم این سه لینکو ببنید:

https://t.me/cvision/1071
https://t.me/cvision/1072
https://t.me/cvision/1073

در گام بعدی داستانی که همین اخیرا اتفاق افتاده را خدمتتان عرض میکنم.
یکی از دانشجوها به واسطه پروژه هاش تو دو شرکت مختلف با دو GPUی Quadro P6000 و GeForce 1080-Ti برای کارهای یادگیری عمیق با تنسرفلو مدل آموزش داده بود.
خب GPUی p6000 تعداد هسته هاش 256 تا بیشتره و از لحاظ رم کارت گرافیکی هم 24 گیگ رم داره، که بیش از دو برابر 1080ti که 11 گیگ م داره و از لحاظ قیمتی بیش از 3 یا 4 برابره. کلا GPUی خیلی قوی به حساب میاد!
با این حساب توقع میره که خیلی برای آموزش مدل بهتر باشه.
اما این دوست عزیز بهم گفت که یا 1080ti زودتر مدلم آموزش میبینه! من اولش فکر کردم یا ایشون اشتباه میکنه یا گلوگاه سیستم چیز دیگه ای مثل هارد شده!
تا اینکه تو مشورت با همکارا و جست و جو تو اینترنت به این نتیجه رسیدم که بله! هر چه قدر 1080ti انتخاب خوبیه در عوض کلا سری Quadro خیلی انتخاب بدیه برای دیپ!
چرا که هسته ها یا همون CUDA Core های این سری برای کارهای محاسبات علمی مناسب نیست و این سری مخصوص کارهایی مثل CAD هستش و به خاطر کلاک پایینش توی کارهای دیپ فوق العاده بدتر از سری هایی مثل GeForce عمل میکنه.

پس به سری و معماری کارت گرافیک دقت کنید و هر کارت گرافیکی که صرفا cuda support بود و compute capability مورد نظرمون را داشت را برای کار دیپ نخریم. لزوما صرف هزینه بیشتر باعث نمیشه سرعت بیشتری تو آموزش مدل داشته باشیم.

با تشکر از @AM_Ghoreyshi بابت مطرح کردن این مساله

#سورس_کد

همان طور که می‌دانید سه روش اصلی در کراس برای پیاده سازی شبکه ها وجود دارد.
sequential - functional - model subclassing.

در این نوت بوک پیاده سازی مدل Deeplab_v3 با روش دوم و سوم که انعطاف بیشتری نسبت به sequential دارد را آنلاین و در کولب بررسی خواهید کرد.

Implementing Deeplab_v3 in TF2.0
functional API in tf.keras

https://colab.research.google.com/drive/1uMAQTf6RegzqkaUVtshMFCBwRjLvtabA#scrollTo=K6zOZEOe0bWa


مرتبط با : https://t.me/cvision/1060 و https://t.me/cvision/1018 و https://t.me/cvision/1000

#keras #functional_api #model_subclassing

#سورس_کد #آموزش

57 نوت بوک یادگیری عمیق و بینایی ماشین

مباحث ویژه ی 1و 2 مقطع کارشناسی دانشگاه شهید رجایی با موضوع مقدمت بینایی کامپیوتر و یادگیری ژرف مقدماتی و پیشرفته بود و در ترم بهمن 96 و مهر 97 برگزار شد.
با تشکر از آقای ستاریان @MH_Sattarian که لینک های اسلایدهای مرتبط و فیلمهای مرتبط هر نوت بوک را فعلا برای مباحث مباحث ویژه 1 در گیت هاب طبقه بندی کردند. به زودی این لیست تکمیل می‌شود.

https://github.com/Alireza-Akhavan/class.vision

#opencv #keras #tensorflow #deep_learning

#خبر

Google AI Blog: Introducing GPipe, an Open Source Library for Efficiently Training Large-scale Neural Network Models
http://ai.googleblog.com/2019/03/introducing-gpipe-open-source-library.html

🙏Thanks to: @MohsenF91

#openai #gpipe

تشخیص چهره- بخش اول- علیرضا اخوان پور-1

•one-shot learning: Face Verification & Recognition
•Siamese network
•facenet triplet loss

برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/xdC7r

برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai

#آموزش #ویدیو #سورس_کد
کدهای این ارائه
https://t.me/cvision/1080
در گیت هاب هوش پارت و همچنین آدرس گیت هاب زیر موجود است:

https://github.com/Alireza-Akhavan/deep-face-recognition

#face #face_recognition #verification

Learn how to optimize TensorFlow Serving performance with TensorRT on GPUs!

https://medium.com/tensorflow/optimizing-tensorflow-serving-performance-with-nvidia-tensorrt-6d8a2347869a

#serving #tensorflow #tensorrt

#ژورنال جدید برای بیومتریک
Mayank :
It gives me immense pleasure to announce that my efforts on starting an IEEE Transactions is now successful. The first issue of IEEE T-BIOM is now online. It took me about 4 years to give the Biometrics Community its own IEEE Transactions:

https://lnkd.in/fABn2X3

My editorial, jointly with Mark Nixon, appears as Vol.1, No.1, Pages 1-2 :-)

Details of the Transactions are available at: https://lnkd.in/fhJ-Aur

#biometrics #ieeetransactions #artificialintelligence #ieee


https://www.linkedin.com/feed/update/urn:li:activity:6508952101203337216

@Machinelearning_Kartal

#خبر #کورس #منبع #آموزش

کورس جدید از deeplearning.ai در کورسرا
New course from deeplearning.ai: TensorFlow Specialization!

کورس اول با موضوع
Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning
اکنون در سایت است:

https://www.coursera.org/learn/introduction-tensorflow

#tensorflow #course

#آموزش
RNN-Based Handwriting Recognition in Gboard
https://ai.googleblog.com/2019/03/rnn-based-handwriting-recognition-in.html

#rnn #Handwriting_Recognition

11 Facts about data science in office work

#معرفی_کانال #هوش_مصنوعی
هوش مصنوعی و سیستم های خبره؛ برنامه نویسی پایتون؛ یادگیری ماشین
https://t.me/ai_python

#خبر
با انتشار نسخه preview از دومین ورژن تنسرفلو، سایت تنسرفلو آپدیت شد!
https://www.tensorflow.org/

🙏Thanks to: @schoolofai

#کورس #آموزش #منبع

جدیدترین کورس های آموزش فریم ورک تنسرفلو

این دو کورس به ترتیب در سایت های udacity و coursera توسط گروه تنسرفلو گوگل، و deeplearning.ai زیر نظر andrew ng کمتره چند هفتست که منتشر شدند...
Intro to TensorFlow for Deep Learning byTensorFlow
https://eu.udacity.com/course/intro-to-tensorflow-for-deep-learning--ud187

Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning
https://www.coursera.org/learn/introduction-tensorflow/

#tensorflow #tensorflow2
#coursera #udacity

#هیستوگرام #سرعت
در پیاده سازی یک پروژه، سرعت محاسبه هیستوگرام، به عنوان بخشی از سنجش کیفیت تصویر برایم مهم بود، و بنچ مارک روش های مختلف را گرفتم...

در تصویر بالا با magic method نوت بوکی timeit بنچ مارک سه روش مختلف محاسبه هیستوگرام مشاهده می شود. همان طور که مشخصه ورژن پیاده سازی شده با opencv حدود 40 برابر سریعتر ورژن هیستوگرام نامپای است.

https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_histograms/py_histogram_begins/py_histogram_begins.html

#خبر
Introducing TensorFlow Federated
https://medium.com/tensorflow/introducing-tensorflow-federated-a4147aa20041

#tensorflow #federate

#سورس_کد #آموزش
A Variational AutoEncoder (VAE) built in TF 2.0 using either a subclassing style or the Functional API.
The #Functional API example reuses the Sampling layer from the subclassing example. You can always mix-and-match these building blocks.

کد در گوگل کولب:
https://www.tensorflow.org/alpha/guide/keras/custom_layers_and_models#putting_it_all_together_an_end-to-end_example

#tensorflow2 #keras #VAE

Principle of Occam's razor
طبق قانون اکام، وقتی برای یک مساله راه حل های نسبتا هم قدرتی وجود دارد، ساده ترین روش بهترین است.
"If you have two equally likely solutions to a problem, choose the #simplest."
یا
“when presented with competing hypothetical answers to a problem, one should select the one that makes the fewest assumptions”



William of Ockham (c. 1287–1347)
#occam

#سوال
طبق Occam’s razor principle پاسخ این سوال چیست؟

جواب:
https://t.me/cvision/1098

#occam