برخی دوستان ایمیل زدند گفتند آپارات کیفیت را کاهش می‌دهد.
در صورت تمایل میتوانید این جلسه 2.5 ساعته را با کیفیت اصلی و با حجم 2.4 گیگ از اینجا دانلود کنید.
http://class.vision/temp/Session%201%20-%20Part%201.rar

#خبر
تنسرفلو 1.14 آخرین نسخه از که قبل TensorFlow 2.0 منتشر شد:

https://github.com/tensorflow/tensorflow/releases/tag/v1.14.0-rc0?linkId=68391010

همچنین نسخه بتا TensorFlow 2.0 هفته ی بعد منتشر خواهد شد.

ساخت و تولید دیتاست مصنوعی متن فارسی و انگلیسی با لیبل به صورت کاملا اتوماتیک و آسان.
یک تولید کننده دیتاست متن فارسی و انگلیسی با قابلیت انتخاب انواع فونت ها و استایل ها و متون رندوم یا انتخابی از دیکشنری و منبع دیتاست دلخواهتان با تعداد دیتای تولید شده دلخواه
با کمک این ابزار میتوانید دیتاست مورد نیاز برای آموزش شبکه های عمیق پردازش متن را به سرعت و آسان تولید کنید

A synthetic data generator for text recognition with latin, arabic and persian text support

https://github.com/amirmgh1375/TextRecognitionDataGenerator

#آموزش #سورس_کد #دیتاست
#synthetic_data #text_recognition #ctc
#ocr
#dataset_generator

#سورس_کد

در اینجا شبکه های EfficientNet معرفی شدند که با تعداد پارامتر کمتر و دقت بالاتر مدلهای قبلی بودند (سطح زیر نمودار accuracy/#of parameters بالایی داشتند.)

دیروز پیاده سازی #Keras آن منتشر شده است
https://github.com/qubvel/efficientnet

from efficientnet import EfficientNetB0

model = EfficientNetB0(weights='imagenet')

#EfficientNet

#سورس_کد

Real Time Trigger Word Detection with #Keras
https://github.com/Tony607/Keras-Trigger-Word

فیلم های آموزش مبحث مورد نظر:
https://www.aparat.com/v/cEKal
https://www.aparat.com/v/1aGeQ

#speech #trigger_word_detection #real_time #keras

#مقاله
دوستانی که با #pytorch کار میکنند، مدل های #EfficientNet به همراه وزنهای آموزش دیده روی imagenet در این مخزن از مدل تنسرفلویی مقاله port شده و در pytorch قابل استفادست.

https://github.com/rwightman/pytorch-image-models

مطالب مرتبط:

مدل کراس:
https://t.me/cvision/1287

مقاله اصلی به همراه پیاده سازی اصلی تنسرفلو قدیمی(در ۲ ساپورت نمیشه)

https://t.me/cvision/1276

#سوال:
روی یک کامپیوتر چند GPU دارم. چه طور مدلی که با keras ایجاد کردم را روی همه GPU ها آموزش دهم؟

#پاسخ:
طبق این دستور العمل به راحتی میتوانید با استفاده از تابع multi_gpu_model مدل خود را به مدل multi_GPU تبدیل کرده و این مدل را آموزش دهید. در این صورت از تمام GPU های سیستم می‌توانید استفاده کنید.

#سوال:
قبلا (بیش از 1 سال پیش) در این پست کانال و این پست نوشتیم که از تنسرفلو 1.4 به بعد میشه مدل را به #estimator تنسرفلو تبدیل کرد.
خب esetimator که multi_GPU داره و با این روش هم میشه مدلو توزیع شده و یا رو چند GPU اجرا کرد.
آیا روشی که در بالا معرفی شد نسبت به آن روش مزیتی دارد؟

#پاسخ:
وقتی یک مدل #Keras را به estimator تبدیل می‌کنید، فقط معماری مدل را تبدیل کرده و متدهای #callback ی که برای این مدلتون تعریف کردید، نظیر تغییر Learning rate طبق سیاست هایی که نوشتید از کار میوفته!
اما متد multi_gpu_model بازهم یک مدل #keras به شما برمیگرداند، نه estimator و در نتیجه تمامی خاصیت های مدل از جمله callback method ها را حفظ خواهد کرد.

#مجموعه_داده #سورس_کد #مقاله

بازشناسی جنسیت و شناسایی بیومتریک با دیتاست بزرگ از تصاویر دست!
Gender recognition and biometric identification using a large dataset of hand images

https://sites.google.com/view/11khands
https://github.com/mahmoudnafifi/11K-Hands

عید سعید فطر را خدمت تمامی اعضای محترم کانال تهنیت عرض میکنم.

#تخفیف 20% #ویدئو #آموزشی
بیست درصد تخفیف فیلم آموزشی یادگیری عمیق با پایتون و تنسرفلو/کراس به مدت محدود به مناسبت عید سعید فطر.

کد تخفیف:
Eid-e-Fetr

تاریخ اعتبار:
تا شنبه 18 خردادماه

ایمیل ارتباط و سوالات در مورد دوره: akhavan@class.vision
لینک خرید: http://class.vision/deeplearning-keras/

#python #tesnorflow #keras #deeplearning

#سوال :
آیا میتوان شبکه ای که با ورودی 224 در 224 آموزش دیده را با سایز ورودی دیگری آموزش داد ؟

#پاسخ :
بله. اگر معماری شبکه متشکل از لایه globalAveragePool باشد این کار امکان پذیر میباشد. در این لایه به دلیل نمونه برداری عمقی از لایه کانولوشن مستقل از سایز سطر در ستون کانولوشن بوده و برای مپ کردن به لایه تمام متصل بعدی برخلاف flatten مشکلی ایجاد نخواهد شد
مثال : شبکه resnet

#نحوه انجام کار :
برای تغییر سایز ورودی شبکه ترین شده در keras آن را لود کرده و به صورت زیر سایز ورودی شبکه را تغییر میدهیم.
model = load_model('checkpoint.h5')
input_layer = InputLayer(input_shape=(img_width, img_hight, channel), name="input_1")
model.layers[0] = input_layer
model.save("checkpoint-reshaped.h5")

در نهایت با دستور زیر نیز میتوانید سایز ورودی لایه و تمام لایه های شبکه را مشاهده نمایید
model.summary()

#کاربرد :
1 - ابتدا شبکه را با سایز ورودی کوچک آموزش داده و پس از چند ایپاک که به درصد دقت مناسبی رسیدیم سایز ورودی را بزرگ کرده و ادامه دهیم یا بر عکس.
2 - متناسب با کاربرد مسیله خود شبکه از قبل آموزش دیده روی دیتاست های بزرگ و جامع تر را با سایز ورودی مناسب تر فاین تیون کنیم.
توضیحات بیشتر :
https://www.aparat.com/v/YgEDH

#مقاله #architecture_engineering

پیدا کردن نحوه اتصالات یک شبکه عصبی به طوری که تابع loss حالت کمینه پیدا کند و بار محاسباتی کاهش یابد.
در این روش نحوه اتصالات شبکه در طول آموزش ثابت نیستند و شبکه علاوه بر پارامترها، ساختار شبکه و بهترین نوع اتصالات شبکه را هم یاد می گیرد!
این روش برای شبکه های بازگشتی هم قابل اعمال است.

Discovering Neural Wirings
https://arxiv.org/abs/1906.00586v1
Mitchell Wortsman, Ali Farhadi, Mohammad Rastegari

برای دوستانی که قصد دارند در کنکور تحصیلات تکمیلی شرکت کنند:

مکتب گرام | رسانه ای برای آموزش و پژوهش
ارشد و دکتری کامپیوتر و برق و آی تی

@Maktabgram_ir

Andrew Ng and Masoumeh Haghpanahi the team's new paper -- Cardiologist-level arrhythmia detection from ECG using deep learning.

https://www.nature.com/articles/s41591-018-0268-3


https://stanfordmlgroup.github.io/projects/ecg2/

https://t.me/ArtificialIntelligenceArticles

#DeepLearning #MachineLearning #artificalintelligence

🙏Thanks to: @ArtificialIntelligenceArticles

#مقاله #face
Deep Face Recognition: A Survey
https://arxiv.org/abs/1804.06655

مطلب مرتبط:
اگر به حوزه #چهره در #یادگیری_عمیق علاقه دارید این مخزن گیت هاب حاوی مقالات مرتبط، آموزش فارسی، فیلم+ اسلاید+ کد و لینک پیاده سازی های مرتبط است که توصیه میکنم:
https://github.com/Alireza-Akhavan/deep-face-recognition

#face

#مقاله #face
Low-resolution Face Recognition in the Wild via Selective Knowledge Distillation
https://arxiv.org/abs/1811.09998

——

مطلب مرتبط:
اگر به حوزه #چهره در #یادگیری_عمیق علاقه دارید این مخزن گیت هاب حاوی مقالات مرتبط، آموزش فارسی، فیلم+ اسلاید+ کد و لینک پیاده سازی های مرتبط است که توصیه میکنم:
https://github.com/Alireza-Akhavan/deep-face-recognition

#آموزش #سورس_کد

یک مساله رگرسیون با #keras که توسط Chollet به اشتراک گذاشته شده.

Here's regression example on the Ames Housing Price dataset. This dataset turns out to be great for demonstrating how to vectorize structured data, and how to handle missing features.
https://colab.research.google.com/drive/127UxEcvp9KKrf2rNGlHBfyUMgcoQE0zi


مرتبط با مساله رگرسیون تخمین قیمت بیان شده در این دوره

High performance inference with #آموزش TensorRT Integration

https://medium.com/tensorflow/high-performance-inference-with-tensorrt-integration-c4d78795fbfe?linkId=68490018

اگر حتی هیچ آشنایی ندارید، بهترین فرصته که همین الان DeepLearning را شروع کنید و مهارت خود را بالا ببرید!

تیزر #فیلم_آموزشی یادگیری عمیق در Python و Keras

http://aparat.com/v/Cv2fR

مشاهده ی تیز با کیفیت بالاتر

20 درصد کد تخفیف به مناسبت عید فطر (تا شنبه):

Eid-e-Fetr

اطلاعات بیشتر و خرید:
http://class.vision/deeplearning-keras/