Forwarded from زندگی به عنوان سرویس
🔎 💻 مطالعات نشون میده که برنامهنویسها ۶۰ تا ۷۰ درصد از زمانشون رو صرف درک کد میکنن.
این موضوع اصلاً تعجبآور نیست. برای اینکه هر تغییر معنیداری توی یک پروژه کد ایجاد کنیم، برنامهنویسها اول باید یه مدل ذهنی از کد بسازن، که این کار میتونه برای سیستمهای بزرگ و پیچیده چالشبرانگیز باشه. با رشد پروژهها، بار شناختی لازم برای درک اونها هم بیشتر میشه، و این باعث میشه تمرکز بیشتری روی فهم کد بهعنوان بخشی حیاتی از فرآیند توسعه قرار بگیره.
🔗 Measuring Program Comprehension: A Large-Scale Field Study with Professionals
🔗 I Know What You Did Last Summer. An Investigation of How Developers Spend Their Time
#paper
#software
🆔 @lifeAsAService
این موضوع اصلاً تعجبآور نیست. برای اینکه هر تغییر معنیداری توی یک پروژه کد ایجاد کنیم، برنامهنویسها اول باید یه مدل ذهنی از کد بسازن، که این کار میتونه برای سیستمهای بزرگ و پیچیده چالشبرانگیز باشه. با رشد پروژهها، بار شناختی لازم برای درک اونها هم بیشتر میشه، و این باعث میشه تمرکز بیشتری روی فهم کد بهعنوان بخشی حیاتی از فرآیند توسعه قرار بگیره.
🔗 Measuring Program Comprehension: A Large-Scale Field Study with Professionals
🔗 I Know What You Did Last Summer. An Investigation of How Developers Spend Their Time
#paper
#software
🆔 @lifeAsAService
👍32❤5
یه لایبری کوچیکی به نام Mini Torch توسعه دادند که میاد تا حد خیلی خوبی نشون میده پشت pytorch چه خبره. اتفاقاتی نظیر :
✅ نحوه تشکیل درخت محاسباتی
✅ نحوه مشتق گیری بر اساس یک ماتریس و بحث های broadcasting, kronecker product و ...
✅ نحوه کارکرد optimizer
✅ نحوه کارکرد Module: اینکه چطوری وقتی یه کلاس اگر این کلاس رو به ارث ببره یه سری ویژگی ها رو خودکار داره ؟ مثلا نظیر parameters که تمامی پارامتر ها و ماژول های دارای پارامتر رو بر میگردونه و ...
✅ نحوه کارکرد یک شبکه که دارای بخش های محاسباتی مختلفی هست
و ...
https://www.linkedin.com/posts/omidiu_ai-deeplearning-education-activity-7275998004812169216-QOCS
و این هم لینک ریپو گیت هاب:
https://github.com/omidiu/Mini-Torch
پ.ن: به لینک گیتهابشون استار بدید تا تشویقی باشه برای پیشرفت و حمایت کارهای آیندشون
#پایتون #پایتورچ
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
✅ نحوه تشکیل درخت محاسباتی
✅ نحوه مشتق گیری بر اساس یک ماتریس و بحث های broadcasting, kronecker product و ...
✅ نحوه کارکرد optimizer
✅ نحوه کارکرد Module: اینکه چطوری وقتی یه کلاس اگر این کلاس رو به ارث ببره یه سری ویژگی ها رو خودکار داره ؟ مثلا نظیر parameters که تمامی پارامتر ها و ماژول های دارای پارامتر رو بر میگردونه و ...
✅ نحوه کارکرد یک شبکه که دارای بخش های محاسباتی مختلفی هست
و ...
https://www.linkedin.com/posts/omidiu_ai-deeplearning-education-activity-7275998004812169216-QOCS
و این هم لینک ریپو گیت هاب:
https://github.com/omidiu/Mini-Torch
پ.ن: به لینک گیتهابشون استار بدید تا تشویقی باشه برای پیشرفت و حمایت کارهای آیندشون
#پایتون #پایتورچ
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍10❤4
آیا یک شناسه یکپارچه می تواند حاشیه نویسی ها و معیارهای هستی شناسی ژن را متحول کند؟
▪️ UniEntrezDB: Large-scale Gene Ontology Annotation Dataset and Evaluation Benchmarks with Unified Entrez Gene Identifiers
#مقاله #ایده_جذاب #علوم_پزشکی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ UniEntrezDB: Large-scale Gene Ontology Annotation Dataset and Evaluation Benchmarks with Unified Entrez Gene Identifiers
#مقاله #ایده_جذاب #علوم_پزشکی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍2
هوش مصنوعی چقدر میتواند به رادیولوژیستها کمک کند تا زمان گزارشدهی را با حفظ دقت کاهش دهند؟
پیشنویسهای تولیدشده توسط هوش مصنوعی میتوانند بهطور معناداری فرآیند گزارشنویسی رادیولوژی را تسریع کرده و در عین حال دقت تشخیصی را حفظ کنند، که این امر میتواند بهعنوان راهحلی عملی برای مقابله با چالشهای فزاینده حجم کار در عمل بالینی مورد استفاده قرار گیرد.
▪️ The Impact of AI Assistance on Radiology Reporting: A Pilot Study Using Simulated AI Draft Reports
#مقاله #ایده_جذاب #علوم_پزشکی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
پیشنویسهای تولیدشده توسط هوش مصنوعی میتوانند بهطور معناداری فرآیند گزارشنویسی رادیولوژی را تسریع کرده و در عین حال دقت تشخیصی را حفظ کنند، که این امر میتواند بهعنوان راهحلی عملی برای مقابله با چالشهای فزاینده حجم کار در عمل بالینی مورد استفاده قرار گیرد.
▪️ The Impact of AI Assistance on Radiology Reporting: A Pilot Study Using Simulated AI Draft Reports
#مقاله #ایده_جذاب #علوم_پزشکی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍2❤1
مدل Deepseek-V3-Base متن باز شد
https://huggingface.co/deepseek-ai/DeepSeek-V3-Base/tree/main
#مقاله #ایده_جذاب #متن_باز
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://huggingface.co/deepseek-ai/DeepSeek-V3-Base/tree/main
#مقاله #ایده_جذاب #متن_باز
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
❤8👍2
مدل claude رو بر روی پلتفرم ARC-AGI تست کردند
https://params.com/@jeremy-berman/arc-agi
#مقاله #ایده_جذاب #متن_باز
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://params.com/@jeremy-berman/arc-agi
#مقاله #ایده_جذاب #متن_باز
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Params
@jeremy-berman/arc-agi on Params
A solution to ARC-AGI using Sonnet 3.5.
❤1👍1
آیا میتوانیم قابلیتهای تصمیمگیری مدلهای زبانی بزرگ (VLM) / مدلهای چندوجهی بزرگ (MLLM) را با آموزش تقویتی (RL) end-to-end بهبود دهیم؟
مدلهای VLM اجازه میدهد تا استدلال زنجیرهای و اقدامات مبتنی بر متن را تولید کنند که سپس در یک محیط اجرا میشوند تا به نتایج مورد نظر برسند.
▪️ Fine-Tuning Large Vision-Language Models as Decision-Making Agents via Reinforcement Learning
#مقاله #ایده_جذاب #علوم_پزشکی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
مدلهای VLM اجازه میدهد تا استدلال زنجیرهای و اقدامات مبتنی بر متن را تولید کنند که سپس در یک محیط اجرا میشوند تا به نتایج مورد نظر برسند.
▪️ Fine-Tuning Large Vision-Language Models as Decision-Making Agents via Reinforcement Learning
#مقاله #ایده_جذاب #علوم_پزشکی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍5❤1
🟢 خبری خوش برای جامعه هوش مصنوعی فارسی: انتشار مجموعه دادگان عظیم ParsBench!
تیم ParsBench مجموعهای بیش از ۱۰۰هزار رکورد داده سوال و جواب فارسی در بیش از ۵۰ موضوع مختلف برای Fine-tuning و Evaluation منتشر کرده است.
این مجموعه شامل دیتاستهای زیر میباشد:
PersianSyntheticQA
مجموعهای از ۱۰۰هزار سوال و جواب فارسی با محوریت ایران و جهان در ۵۰ موضوع مختلف. هر موضوع شامل ۲هزار سوال و جواب مجزا میباشد که توسط gpt-4o تولید شده است.
PersianQA (LMSYS)
دیتاست شامل ۵ هزار رکورد ترجمه شده از دیتاست سوال و جواب lmsys است و شامل موضوعات مختلفی از تعاملات کاربران با مدلهای زبانی میباشد.
Persian-NoRobots
نسخه ترجمه شده از دیتاست اصلی NoRobots که شامل ۱۰هزار سوال و جواب در ۱۰ دستهبندی مختلف مانند خلاصهسازی، تولید متن، گفتگو، کدنویسی و... میباشد.
نسخه اصلی این دیتاست کاملاً توسط انسان و بدون دخالت هیچ LLMای ساخته شدهاست.
PersianSyntheticEmotions
شامل تقریباً ۹هزار رکورد از متون ایجاد شده توسط gpt-4o در موضوعات مختلف است که همگی شامل برچسب احساسات در ۶ کلاس احساسات Ekman میباشند.
Persian-MuSR
ترجمه فارسی MuSR است که شامل حدوداً هزار سوال معمایی برای سنجش توانایی تحلیل LLM با روش CoT میباشد.
همچنین شما میتوانید در این ریپازیتوری به کدهای استفاده شده برای ایجاد این دیتاستها دسترسی پیدا کنید.
#دیتاست #متن_باز
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
تیم ParsBench مجموعهای بیش از ۱۰۰هزار رکورد داده سوال و جواب فارسی در بیش از ۵۰ موضوع مختلف برای Fine-tuning و Evaluation منتشر کرده است.
این مجموعه شامل دیتاستهای زیر میباشد:
PersianSyntheticQA
مجموعهای از ۱۰۰هزار سوال و جواب فارسی با محوریت ایران و جهان در ۵۰ موضوع مختلف. هر موضوع شامل ۲هزار سوال و جواب مجزا میباشد که توسط gpt-4o تولید شده است.
PersianQA (LMSYS)
دیتاست شامل ۵ هزار رکورد ترجمه شده از دیتاست سوال و جواب lmsys است و شامل موضوعات مختلفی از تعاملات کاربران با مدلهای زبانی میباشد.
Persian-NoRobots
نسخه ترجمه شده از دیتاست اصلی NoRobots که شامل ۱۰هزار سوال و جواب در ۱۰ دستهبندی مختلف مانند خلاصهسازی، تولید متن، گفتگو، کدنویسی و... میباشد.
نسخه اصلی این دیتاست کاملاً توسط انسان و بدون دخالت هیچ LLMای ساخته شدهاست.
PersianSyntheticEmotions
شامل تقریباً ۹هزار رکورد از متون ایجاد شده توسط gpt-4o در موضوعات مختلف است که همگی شامل برچسب احساسات در ۶ کلاس احساسات Ekman میباشند.
Persian-MuSR
ترجمه فارسی MuSR است که شامل حدوداً هزار سوال معمایی برای سنجش توانایی تحلیل LLM با روش CoT میباشد.
همچنین شما میتوانید در این ریپازیتوری به کدهای استفاده شده برای ایجاد این دیتاستها دسترسی پیدا کنید.
#دیتاست #متن_باز
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
🔥15👍8👎3👌2
Forwarded from Msnp's binary thoughts
اسلاید ارائه من تو آزمایشگاه بینایی دکتر محمدی در مورد LLM Agents
https://docs.google.com/presentation/d/1ump04CQ45zSMXCfSd737uzcn6kXsUCRuYngg0ZuvDmQ/edit?usp=drivesdk
https://docs.google.com/presentation/d/1ump04CQ45zSMXCfSd737uzcn6kXsUCRuYngg0ZuvDmQ/edit?usp=drivesdk
Google Docs
intro to LLM agents
intro to LLM agents & Agentic workflow Mohammad sadegh Nemat Pour | NLP | Ordibehesht 04
❤10👍2
Forwarded from DeepMind AI Expert (Farzad)
سلام دوستان لینک دعوت فیلترشکن برای ی برنامهنویسان، گیمرها، دانشجویان، فعالین حوزه رمز ارز، فریلنسرها از لینک دعوت من استفاده کنین هم شما ی فیلترشکن مطمین استفاده کنین بدونین قطعی نداره هم من ی حجمی بدست بیارم😁، هم شما به فیلترشکنی قابل پشتیبان دسترسی داشته باشید
https://news.1rj.ru/str/F14PanelBot?start=invite_56479f968ee3cd3dd92bfa05ebf07fc9
پ.ن: خدماتشون من به شدت راضیم دوستانتون رو دعوت کنید و حجم هدیه بگیرید
https://news.1rj.ru/str/F14PanelBot?start=invite_56479f968ee3cd3dd92bfa05ebf07fc9
پ.ن: خدماتشون من به شدت راضیم دوستانتون رو دعوت کنید و حجم هدیه بگیرید
👎25❤3🕊2😱1🆒1
امروز هم روزجهانی تماس با دوست هست در واقع این روز فردا هست خواستم از الان این روز بهتون یادآوری کنم اگه قراره به کسی زنگ بزنین به کسی گوشزد کنین خاطرتون باشه اون دوست کیه که باید زنگش بزنین کی همیشه دوست امن شما بود کی همیشه همراه شما بود این دنیا نیاز به دوستان واقعی داره دوستانی که قلبهاشون از مهر و عشقشون به دیگران خسته نشه و بهشون بگین ما شما رو میبینیم
❤14👎8👍2
اگر کاربر #تلگرام Premium هستید، و محتویات و پستهای کانال مورد توجهت قراره گرفته با Boost کردن کانال ما، در فعال کردن قابلیت انتشار استوری به ما کمک کنید تا بتوانیم محتواهای جذاب را در استوری تلگرام با شما به اشتراک بگذاریم 🚶♂️🚶♂️❤️🌻
👇👇
https://news.1rj.ru/str/boost/AI_DeepMind
👇👇
https://news.1rj.ru/str/boost/AI_DeepMind
Telegram
DeepMind AI Expert
از این کانال حمایت کنید تا بتواند به قابلیتهای اضافی دسترسی پیدا کند.
❤11👎10👍1
Forwarded from زندگی به عنوان سرویس
🔗 How (and Where) ML Beginners Can Find Papers
این مقاله یه راهنمایی برای تازهکارهای یادگیری ماشین (ML) هستش که میخوان مقالات پژوهشی پیدا کنن و بخونن. نویسنده پیشنهاد میکنه که تازهکارها روی انتشاراتpeer-reviewed از کنفرانسهای برتر ML تمرکز کنن. این کنفرانسها از فرآیندی به نام "داوری دوطرفه ناشناس" استفاده میکنن، جایی که مقاله به صورت ناشناس بررسی میشه و توسط پژوهشگران ناشناس از همون حوزه بررسی میشه. این فرآیند تضمین میکنه که مطالب منتشر شده کیفیت بالایی دارن که فهمشون رو برای تازهکارها آسونتر میکنه.
نویسنده یه فرآیند هفت مرحلهای رو توضیح میده:
* مرحله ۱: تعیین حوزه علاقهمندی. این کار رو میتونی با انجام پروژههای کدنویسی و خوندن ادبیات پژوهشی انجام بدی(literature).
* مرحله ۲: پیدا کردن یه کنفرانس ML. نویسنده تعدادی از کنفرانسهای برتر رو لیست میکنه، از جمله NeurIPS، ICML، ICLR و IJCAI.
* مرحله ۳: جستجو در مقالات کنفرانس و ساختن یه لیست خواندن. نویسنده پیشنهاد میکنه که لیست مقالات پذیرفته شده رو مرور کنی و اونا رو بر اساس عنوان و چکیده پیشفیلتر کنی.
* مرحله ۴: به دنبال منابع قدیمیتر بگرد. اینا مقالات قدیمیتر و اغلب استناد شدهای هستن که پایه محکمی برای درک روندهای پژوهشی فعلی فراهم میکنن.
* مرحله ۵: طبق لیست پیش برو. این کار زمان و تلاش میطلبه، اما در نهایت ارزشش رو داره.
* مرحله ۶: یه مقاله مروری بخون. مقالات مروری یه نمای کلی از یه حوزه پژوهشی ارائه میدن.
* مرحله ۷: لیست خودت رو تموم کن. این هرگز اتفاق نمیافته، اما اشکالی نداره.
نویسنده در پایان تازهکارها رو تشویق میکنه که به طور عمیق با ادبیات درگیر بشن و از درخواست کمک نترسن.
#paper #ML #blog
🆔 @lifeAsAService
این مقاله یه راهنمایی برای تازهکارهای یادگیری ماشین (ML) هستش که میخوان مقالات پژوهشی پیدا کنن و بخونن. نویسنده پیشنهاد میکنه که تازهکارها روی انتشاراتpeer-reviewed از کنفرانسهای برتر ML تمرکز کنن. این کنفرانسها از فرآیندی به نام "داوری دوطرفه ناشناس" استفاده میکنن، جایی که مقاله به صورت ناشناس بررسی میشه و توسط پژوهشگران ناشناس از همون حوزه بررسی میشه. این فرآیند تضمین میکنه که مطالب منتشر شده کیفیت بالایی دارن که فهمشون رو برای تازهکارها آسونتر میکنه.
نویسنده یه فرآیند هفت مرحلهای رو توضیح میده:
* مرحله ۱: تعیین حوزه علاقهمندی. این کار رو میتونی با انجام پروژههای کدنویسی و خوندن ادبیات پژوهشی انجام بدی(literature).
* مرحله ۲: پیدا کردن یه کنفرانس ML. نویسنده تعدادی از کنفرانسهای برتر رو لیست میکنه، از جمله NeurIPS، ICML، ICLR و IJCAI.
* مرحله ۳: جستجو در مقالات کنفرانس و ساختن یه لیست خواندن. نویسنده پیشنهاد میکنه که لیست مقالات پذیرفته شده رو مرور کنی و اونا رو بر اساس عنوان و چکیده پیشفیلتر کنی.
* مرحله ۴: به دنبال منابع قدیمیتر بگرد. اینا مقالات قدیمیتر و اغلب استناد شدهای هستن که پایه محکمی برای درک روندهای پژوهشی فعلی فراهم میکنن.
* مرحله ۵: طبق لیست پیش برو. این کار زمان و تلاش میطلبه، اما در نهایت ارزشش رو داره.
* مرحله ۶: یه مقاله مروری بخون. مقالات مروری یه نمای کلی از یه حوزه پژوهشی ارائه میدن.
* مرحله ۷: لیست خودت رو تموم کن. این هرگز اتفاق نمیافته، اما اشکالی نداره.
نویسنده در پایان تازهکارها رو تشویق میکنه که به طور عمیق با ادبیات درگیر بشن و از درخواست کمک نترسن.
#paper #ML #blog
🆔 @lifeAsAService
Towards Data Science
How (and Where) ML Beginners Can Find Papers | Towards Data Science
From conferences to surveys
👍14❤7🔥2
Forwarded from Intellimage ( intelligent image processing )
🆕️ رقابت چین با مدل OpenAI o1
📌 شرکت چینی Alibaba که بزرگترین شرکت خرده فروش جهان است و در فهرست بزرگترین شرکتهای تجارت الکترونیک دنیا جای دارد، از مدل هوش مصنوعی دارای قابلیت استدلال رونمایی کرده است که رقیب جدید مدل o1 از OpenAI به حساب میآید.
✅ مدل معرفی شده شامل ۳۲.۵ میلیارد پارامتر است و میتواند به درخواستهایی با حداکثر ۳۲ هزار توکن پاسخ بدهد.
✅ عملکرد این مدل مانند دیگر مدلهای بزرگ دارای قابلیت استدلال است، به این معنا که هوش مصنوعی در طول استنتاج خود، برای بررسی پاسخهایی که میخواهد به کاربر ارائه کند و تصحیح اشتباهات، از چرخههای محاسباتی بیشتری استفاده میکند.
✅ این مدل در نتیجه برای کارهایی که به استدلال منطقی و برنامهریزی نیاز دارند، مانند ریاضیات و کدنویسی، مناسب است.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#machin_vision
#top_news
📌 شرکت چینی Alibaba که بزرگترین شرکت خرده فروش جهان است و در فهرست بزرگترین شرکتهای تجارت الکترونیک دنیا جای دارد، از مدل هوش مصنوعی دارای قابلیت استدلال رونمایی کرده است که رقیب جدید مدل o1 از OpenAI به حساب میآید.
✅ مدل معرفی شده شامل ۳۲.۵ میلیارد پارامتر است و میتواند به درخواستهایی با حداکثر ۳۲ هزار توکن پاسخ بدهد.
✅ عملکرد این مدل مانند دیگر مدلهای بزرگ دارای قابلیت استدلال است، به این معنا که هوش مصنوعی در طول استنتاج خود، برای بررسی پاسخهایی که میخواهد به کاربر ارائه کند و تصحیح اشتباهات، از چرخههای محاسباتی بیشتری استفاده میکند.
✅ این مدل در نتیجه برای کارهایی که به استدلال منطقی و برنامهریزی نیاز دارند، مانند ریاضیات و کدنویسی، مناسب است.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#machin_vision
#top_news
👍12❤1😱1
رقیب ChatGPT ریلیز شد
https://chat.deepseek.com/
از زبان فارسی پشتیبانی میکنه نیازی به فیلترشکن نیست.
#متن_باز
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://chat.deepseek.com/
از زبان فارسی پشتیبانی میکنه نیازی به فیلترشکن نیست.
#متن_باز
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍39👎6🔥2❤1
Forwarded from DeepMind AI Expert (Mehdi Dehghani)
نمونه ابزار های نمایش معماری شبکه های عصبی و مدل های دیپ لرنینگ:
✅ https://texample.net/tikz/examples/neural-network/
✅ https://github.com/HarisIqbal88/PlotNeuralNet
✅ https://github.com/lutzroeder/netron
✅ https://math.mit.edu/ennui/
✅ https://tikz.net/neural_networks/
✅ https://alexlenail.me/NN-SVG/LeNet.html
✅ https://github.com/martisak/dotnets
✅ https://github.com/gwding/draw_convnet
✅ https://github.com/szagoruyko/pytorchviz
✅ https://github.com/mert-kurttutan/torchview
✅ https://keras.io/api/utils/model_plotting_utils/
✅ https://github.com/viscom-ulm/Net2Vis
✅ https://github.com/mlajtos/moniel
اگر ابزارهای دیگه ای هم برای نمایش معماری شبکه های عصبی میشناسید لطفا زیر همین پست کامنت کنید.
#Deep_learning
#Neural_Network
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
✅ https://texample.net/tikz/examples/neural-network/
✅ https://github.com/HarisIqbal88/PlotNeuralNet
✅ https://github.com/lutzroeder/netron
✅ https://math.mit.edu/ennui/
✅ https://tikz.net/neural_networks/
✅ https://alexlenail.me/NN-SVG/LeNet.html
✅ https://github.com/martisak/dotnets
✅ https://github.com/gwding/draw_convnet
✅ https://github.com/szagoruyko/pytorchviz
✅ https://github.com/mert-kurttutan/torchview
✅ https://keras.io/api/utils/model_plotting_utils/
✅ https://github.com/viscom-ulm/Net2Vis
✅ https://github.com/mlajtos/moniel
اگر ابزارهای دیگه ای هم برای نمایش معماری شبکه های عصبی میشناسید لطفا زیر همین پست کامنت کنید.
#Deep_learning
#Neural_Network
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
❤11👍1