🟣سری یازدهم از یادگیری ماشین در مورد الگوریتم #شبکه_عصبی
#یادگیری_ماشین
#neural_network #machine_learning

راه اندازی سرور برای مدل های ساخته شده با پایتورچ

در واقع TorchServe مدل ساخته شده شما را به API بر پایه پروتکل HTTP تحویل میدهد. شما مدل خود را آماده میکنید و TorchServe آن را برای درخواست های سیستم Backend شما سرو میکند.
معادل این کتابخانه در Tensorflow با نام TFServe شاخته میشود.
آموزش کامل TorchServe در یوتیوب
#pytorch
@silicon_brain

تقسیم بندی شاخه های یادگیری ماشین

@silicon_brain

#کتاب یادگیری عمیق با پایتورچ

Deep Learning with PyTorch Quick Start Guide
Learn to train and deploy neural network models in Python

با توجه به اینکه این کتاب مباحث یادگیری عمیق را با کتابخانه بسیار کاربردی #پایتورچ با بیانی ساده پیاده سازی کرده ست. مطالعه‌‌ی آن توصیه می‌شود.

@silicon_brain

مقایسه عملکرد و کاربرد هر یک از سیستم های پردازشی
#CPU - #GPU- #TPU - #FPGA
در صفحه اینستاگرام سیلیکون برین :

https://www.instagram.com/p/CWtGkq1IB_f/?utm_source=ig_web_copy_link

مقاله ای در مورد ترنسفورمر از پیش آموزش داده شده برای درک پوینت کلاود ها

#پوینت_کلاود چیست؟ پوینت کلاود مجموعه ای از نقاط داده در فضا است که ممکن است یک شکل یا شی سه بعدی را نشان دهند. هر نقطه مختصات دکارتی خود را دارد (X، Y، Z). معمولا نقاط توسط اسکنرهای سه بعدی یا نرم افزار فتوگرامتری تولید می شوند.(بیشتر بخوانید)

حال در این مقاله ، الگوی جدید برای درک اشکال پوینت کلاود ها با استفاده از ترنسفوررمر ها با نام Point-Ber ارائه شده است که از مدل از پیش آموزش دیده شده #Bert استفاده میکند.

در این سیستم ابتدا یک نقطه را به چندین نقطه محلی تقسیم کردند و یک Tokenizer پوینت کلاود با رمزگذار خودکار حاوی اطلاعات محلی معنی دار طراحی شده است. سپس، به طور تصادفی برخی از تکه‌های پوینت کلاود ورودی را پوشانده (Mask) و آنها را وارد #ترنسفورمر کرده است.

#مقاله
#point_cloud #transformer
@silicon_brain

#کتاب مقدمه ای بر رگراسیون سری های زمانی
و پیش بینی
(این کتاب میتواند در پیش بینی سری های زمانی #time_series از جمله پیش بینی #بازار_های_مالی کاربرد داشته باشد)
@silicon_brain