How accurate can a ResNet-50 on ImageNet with only 250k of its original 25M weights be
🧐
? With RigL, accuracy of this 99% sparse network seems to increase with training time almost indefinitely
📈
! When does it stop?!

1x->53% 🤓
5x->61.8% 😎
10x->63.9% 🤔
40x->66.9% 😵
100x->?

https://twitter.com/utkuevci/status/1223267258832707584?s=20
https://github.com/google-research/rigl/

کانال اطلاع رسانی رویدادهای ملی و بین المللی:
- اخبار و استخدامی ها
- همایش ها و سمینار ها
- کنفراس ها و ژورنال ها
- کارگاه ها و مسابقات
#Convent
https://telegram.me/convent
@convent

A Simple and Effective Framework for Pairwise Deep Metric Learning

دیپ متریک لرنینگ در سال‌های گذشته در حوزه بینایی ماشین بسیار مورد استفاده قرار گرفته است. روش‌های پیشین بر روی طراحی توابع خطا پیچیده یا ... تمرکز داشتند. در این مقاله روشی ارایه شده که علاوه‌بر برتری نسبت به رویکرد‌های گذشته، ساده‌تر هم می‌باشد.
برای مطالعه بیشتر به این دو لینک مراجعه کنید.

Paper: https://arxiv.org/abs/1912.11194
Code: https://github.com/qiqi-helloworld/A-Simple-and-Effective-Framework-for-Pairewise-Distance-Metric-Learning

#data_visualization

t-SNE algorithm on MNIST with NVIDIA's ultra-fast Rapids library on GPU which is 2000x faster than the sklearn version on CPU

https://www.kaggle.com/tunguz/mnist-2d-t-sne-with-rapids

#آموزش #rnn #lsrm #gru
قسمت اول - مقدمات شبکه‌های بازگشتی:

https://www.aparat.com/v/zqbc8

جلسه اول

فیلم جلسه دوم

#مقدماتی

https://t.me/cvision/1609
https://t.me/cvision/1610

دو فیلم بالا آشنایی کلی با اینکه
یادگیری عمیق چیه! چه فرقی با هوش مصنوعی و ماشین لرنینگ داره را بیان میکنه. یه مقدار سر انتخاب فریم ورک بحث میکنیم
و در ادامش پایتونو معرفی میکنه و در آخر سراغ کتابخونه هایی مثل numpy میره و خیلی خلاصه pandas و matplotlib هم معرفی میکنه.

این دو فیلم برای کسی تا الان یادگیری عمیق شروع نکرده و دوست داره تازه بیاد سمتش مناسبه

اگر تا الان سمتش نرفته بودید و تازه جذبش شدید بلاگ پست پایین هم مطالب رایگان و پولی انگلیسی و فارسیو برای ادامه راهتون میگه:

http://class.vision/deeplearning-learning-path/

برای اطلاع از کارگاه‌های آموزشی جانبی یازدهمین کنفرانس ملی و اولین کنفرانس بین‌المللی بینایی ماشین و پردازش تصویر ایران، می‌توانید به نشانی زیر مراجعه بفرمایید:

https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa

برای شرکت در این کارگاه‌ها ثبت نام در کنفرانس ضروری نیست، اما دانشجویان به خصوص دانشجویان دانشگاه‌های شهر قم و تمامی دانشجویان دانشگاه تهران می‌توانند با ثبت نام رایگان در کنفرانس، با تخفیف ویژه در این کارگاه‌ها ثبت نام و شرکت کنند.

http://mvip2020.ut.ac.ir
@mvip_2020

در کارگاه های کنفرانس با دو موضوع موضوع

آشنایی با Tensorflow / Keras
و
شبکه‌های مولد تخاصمی (GAN) و پیاده‌سازی در Tensorflow / Keras

در خدمتتان هستم...

#آموزش #rnn #lsrm #gru
قسمت دوم - ادامه مقدمات شبکه‌های بازگشتی:

https://www.aparat.com/v/WQyuo?playlist=287685

#خبر

گوگل کولب pro چیست؟
اگر قبلا با گوگل کولب کار کرده باشید شاهد محدودیت هایش هم بوده اید.
از مهمترین این محدودیت ها اینه که کانکشنتون بعد یه مدت قطع میشه، محدودیت رم داره، دسترسی SSH ندارید و نوت بوک باید باز باشه و ...

اما طبق تجربه این کاربر در توئیتر با پرداخت ماهی 10 دلار میتوانید عضو نسخه با محدودیت کمتر این ابر پردازشی شوید:

https://colab.research.google.com/signup

از مزیت های اصلی آن :
* Execlusive excess to faster GPUs and TPUs
* Duration for connection is 24 hrs
* Larger memory ~ 27 GB
* ssh access to the notebook
* terminal interface inside colab
* larger hard drive

https://www.linkedin.com/posts/noahgift_colab-pro-deeplearning-ugcPost-6632031722626252800-KMDs

ویدیویی از قابلیت های گوگل کولب پرو که میتونید از این لینک دنبال کنید. این سرویس ظاهرا فعلا فقط در آمریکا فعال است.

#آموزش #سورس_کد
#andrew_ng #python #machinelearning
بی شک یکی از بهترین آموزش هایی که رو اینترنت هست کورس یادگیری ماشین Andrew Ng است، و واقعا حس شیرین یادگیریو به آدم منتقل میکنه و گذروندن این کورس بی نظیر جزو خاطرات خوب من هست...
همان طور که میدانید متاسفانه در آن زمان به جای پایتون، متلب برای تمارین و آموزش ها استفاده شده بود.
حالا در زیر فردی پیدا شده که همه کدهای این کورس را را با پایتون بازنویسی کرده:

https://github.com/dibgerge/ml-coursera-python-assignments

#آموزش #rnn #lsrm #gru
قسمت سوم - پیاده‌سازی تخمین تابع با شبکه‌های بازگشتی ساده

در این جلسه با فریم‌ورک Keras آموزش و تولید یک موج سینوسی به عنوان یک مثال ساده برای شروع با RNN آموزش داده شد.

https://www.aparat.com/v/4JYTU

مجموعه دانش‌بنیان شناسا، از حامیان کنفرانس، در حاشیه یازدهمین کنفرانس ملی و اولین کنفرانس بین‌المللی بینایی ماشین و پردازش تصویر ایران کارگاه‌هایی مرتبط با بینایی ماشین و یادگیری عمیق، توسط مهندس علیرضا اخوان‌پور برگزار می‌کند.

برای اطلاع از کارگاه‌های آموزشی جانبی می‌توانید به نشانی زیر مراجعه فرمایید:

https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa

شناسا در لیندکین:
https://www.linkedin.com/feed/update/urn:li:activity:6632623167703781376


shenasa.ai
shenasa-ai.ir

#MVIP2020 #deeplearning

@shenasa_ai

#کارگاه_آموزشی

کارگاه‌های آموزشی یازدهمین کنفرانس ملی و اولین کنفرانس بین‌المللی بینایی ماشین و پردازش تصویر ایران
https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa



برای شرکت در این کارگاه‌ها ثبت نام در کنفرانس ضروری نیست، اما دانشجویان به خصوص دانشجویان دانشگاه‌های شهر قم و تمامی دانشجویان دانشگاه تهران می‌توانند با ثبت نام رایگان در کنفرانس، با تخفیف ویژه در این کارگاه‌ها ثبت نام و شرکت کنند.


🙏Thanks to: @shenasa_ai | @mvip_2020

شناسا، حامی یازدهمین کنفرانس ملی و اولین کنفرانس بین المللی بینایی ماشین و پردازش تصویر ایران

https://mvip2020.ut.ac.ir/cnf/sponsors?lang=fa

shenasa-ai.ir/

#آموزش #ویدیو
اسلایدها و فیلم سخنرانی AAAI امروز

ویدیو:
https://vimeo.com/390347111
اسلاید سخنرانی یان لکان:
https://drive.google.com/file/d/1r-mDL4IX_hzZLDBKp8_e8VZqD7fOzBkF/view

Video of the talks:
- 1:10 in for #Geoff_Hinton,
- 1:44 for #Yann_LeCun,
- 2:18 for #Yoshua_Bengio
- 2:51 for the panel discussion moderated by Leslie Pack Kaelbling