❇️ پیاده سازی دیتاست mnist (تشخیص اعداد دست نویس) در Google colab

✅ Freamwork : Keras

🌐 Link : https://bit.ly/2RJZKEZ



🌀 @GoogleColab

❇️ پیاده سازی دیتاست Cifar-10 (شامل ۱۰ کلاس : خودرو، پرنده، گربه، سگ و...) در Google colab

✅ Freamwork : Keras

🌐 Link : http://bit.ly/2PtG0DM



🌀 @GoogleColab

❇️ پیاده سازی دیتاست Art Images: Drawing/Painting/Sculptures/Engravings
پ.ن :‌کلاس بندی تصاویر هنری شامل (مجمسه سازی و نقاشی و ...)
پ.ن :‌ اول از همه باید به سایت kaggle برید api خودتون رو در فرمت kaggle.json دریافت کنید

✅ Freamwork : Keras

🌐 Link : http://bit.ly/2Ev4USn

🌐 kaggle link : http://bit.ly/2UHvZ9R


🌀 @GoogleColab

❇️ دایره لغات تخصصی و فارسی در حوزه ماشین لرنینگ و یادگیری عمیق در سایت Memrise

پ.ن :‌ سایت اموزش کلمه به شیوه کاملا جدید و بدون فراموشی با تمرین های جذاب


🌐 Link : http://bit.ly/2BqC4OY


🌀GoogleColab

❇️ پیاده سازی دیتاست fashion-mnist در گوگل کولب
پ.ن :‌10 کلاس از تی شرت و کفش , شلوار و ....

✅ Freamwork : Keras

🌐 Link : http://bit.ly/2Rm3tM6



🌀 @GoogleColab

دوستان عزیز گروه تلگرامی برای سوالات شما عزیزان تشکیل شده که میتونید از لینک زیر وارد شوید

لینک : https://news.1rj.ru/str/joinchat/HyIkxEfo3Jvv3hUCbfRUEg

❇️ پیاده‌سازی دیتاست plant-seedlings-classification در‌‌‌گوگل‌کولب
پ.ن :‌ یکی از مسابقات سایت kaggle تشخیص ۱۲ نوع‌ گل (در اخر میتونید پیشبینی برنامتون رو داخل سایت kaggle ثبت کنید )
پ.ن : سورس برنامرو میتونید edit کنید و اگه ایده‌ای داشتید بهترش کنید)

✅ Freamwork : Keras

🌐 Link : http://bit.ly/2TqeFoj



🌀joine us : @GoogleColab

#خبر
اگه مدت ها منتظر تم دارک در کولب بودید حالا میتونید از این قابلیت جدید کولب استفاده کنید

برای فعال کردن از منوی tools > Preferences > theme

#آموزش

همانطور که میدانید چند وقتیه که گوگل کولب GPUهای Tesla V4 با مشخصات زیر را به صورت رایگان در اختیار محققان قرار داده

16GB of VRAM
160 TFLOPS of GPU power

اما این که چه موقع GPUی K80بهتون بده چه موقع Tesla V4 دست خودتون نیست،
ممکنه به دلایلی مثل استفاده از GPU قوی تر یا مثلا عدم ساپوت K80 از کد شما (مثل دیتابیس Blazing SQL که روی Tesla V4 اجرا میشه ولی روی K80 نه!) میخواهید حتما از تسلا استفاده کنید.
برای اینکار فعلا تنها راهی که من میدونم میشه کرد اینه که کرنلتون را ریست کنید:

Runtime -> Reset all runtimes...

حالا از کجا بفهمیم چه GPUی بهمون داده؟
یه روش ساده که استفاده از دستور

!nvidia-smi

تو نوت بوکه.
روش دیگه اینه که کد زیر را اول نوت بوک یا کد پایتونیتون بزارید که اگر GPU مورد نظرمون را بهمون نداده بود Exception بده!

import pynvml


pynvml.nvmlInit()
handle = pynvml.nvmlDeviceGetHandleByIndex(0)
device_name = pynvml.nvmlDeviceGetName(handle)

if device_name != b'Tesla T4':
  raise Exception("""
    Unfortunately this instance does not have a T4 GPU.
    
    Please make sure you've configured Colab to request a GPU instance type.
    
    Sometimes Colab allocates a Tesla K80 instead of a T4. Resetting the instance.

    If you get a K80 GPU, try Runtime -> Reset all runtimes...
  """)
else:
  print('Woo! You got the right kind of GPU!')

#colab #tesla #GPU