با سلام. انشالله جلسه دوم و جلسه اصلی دوره فشرده یادگیری عمیق در پایتون فردا یکشنبه ۸ فروردین برگزار می شود.
💥 در این جلسه مفهوم شبکه های کانولوشنی و نحوه پیاده سازی آن ها در پایتون مورد بررسی قرار می گیرد.
💥تنها ۶ ظرفیت خالی در کلاس باقی مانده است. چنانچه مایل به شرکت در کلاس هستید مراتب را از طریق @hdz2020 اطلاع دهید.
@ai_box
💥 در این جلسه مفهوم شبکه های کانولوشنی و نحوه پیاده سازی آن ها در پایتون مورد بررسی قرار می گیرد.
💥تنها ۶ ظرفیت خالی در کلاس باقی مانده است. چنانچه مایل به شرکت در کلاس هستید مراتب را از طریق @hdz2020 اطلاع دهید.
@ai_box
با سلام. انشالله جلسه پنجم دوره فشرده یادگیری عمیق در پایتون امروز یکشنبه ۱۵ فروردین راس ساعت ۱۸ برگزار می شود.
در این جلسه ابتدا در مورد تنظیم هایپرپارامترهای شبکه های عصبی عمیق صحبت می شود و سپس برنامه ای در گوگل کولب جهت شناسایی و مکان یابی اشیا توسط شبکه YOLO پیاده سازی می شود.
@ai_box
در این جلسه ابتدا در مورد تنظیم هایپرپارامترهای شبکه های عصبی عمیق صحبت می شود و سپس برنامه ای در گوگل کولب جهت شناسایی و مکان یابی اشیا توسط شبکه YOLO پیاده سازی می شود.
@ai_box
با سلام. انشالله فردا دوشنبه 23 فرودین جلسه پنجم دوره فشرده یادگیری عمیق در پایتون راس ساعت 18 برگزار می شود.
در این جلسه در مورد پیاده سازی شبکه های مدرن GAN و کاربردهای آنها بحث می شود. شبکه های GAN اولین بار در سال 2014 ارایه شده اند و جزو جدیدترین و جذاب ترین شبکه های عمیق محسوب می شوند.
@ai_box
در این جلسه در مورد پیاده سازی شبکه های مدرن GAN و کاربردهای آنها بحث می شود. شبکه های GAN اولین بار در سال 2014 ارایه شده اند و جزو جدیدترین و جذاب ترین شبکه های عمیق محسوب می شوند.
@ai_box
💥نحوه ساخت دیتاست آموزش، راستی آزمایی و آزمون در کراس
با استفاده از کتابخانه ImageDataGenerator در کراس می توان تصاویر موجود در فولدرهای مشخص را به صورت خودکار در قالب داده های آموزش، راستی آزمایی و آزمون بارگذاری نمود و از آنها استفاده کرد. کد فوق مثالی در این زمینه را نشان می دهد. در این مثال فرض شده است که تصاویز از ابعاد ۲۲۴ در ۲۲۴ هستند.
@ai_box
با استفاده از کتابخانه ImageDataGenerator در کراس می توان تصاویر موجود در فولدرهای مشخص را به صورت خودکار در قالب داده های آموزش، راستی آزمایی و آزمون بارگذاری نمود و از آنها استفاده کرد. کد فوق مثالی در این زمینه را نشان می دهد. در این مثال فرض شده است که تصاویز از ابعاد ۲۲۴ در ۲۲۴ هستند.
@ai_box
💥نحوه لود شبکه مشهور VGG در کراس و استفاده از آن برای دسته بندی یک تصویر دلخواه
شبکه VGG یکی از شبکه های کانولوشنی عمیق مشهور می باشد. در این مثال نحوه لود آن با استفاده از وزن های پیش فرض آن بر روی دیتاست ImageNet و اعمال آن بر روی یک تصویر دلخواه جهت دسته بندی شی ء موجود در آن نشان داده شده است.
@ai_box
شبکه VGG یکی از شبکه های کانولوشنی عمیق مشهور می باشد. در این مثال نحوه لود آن با استفاده از وزن های پیش فرض آن بر روی دیتاست ImageNet و اعمال آن بر روی یک تصویر دلخواه جهت دسته بندی شی ء موجود در آن نشان داده شده است.
@ai_box
با سلام. قصد داریم پس از ماه مبارک رمضان یک دوره آموزشی فشرده دیگر برگزار کنیم. به نظر شما کدام دوره آموزشی برای شما می تواند مفیدتر باشد؟
Anonymous Poll
23%
پردازش تصویر و بینایی ماشین مقدماتی
15%
پردازش تصویر و بینایی ماشین پیشرفته
27%
یادگیری عمیق مقدماتی و کاربردی
31%
یادگیری عمیق پیشرفته
40%
برنامه نویسی پایتون و کاربرد آن در پردازش تصویر و یادگیری عمیق
💥نحوه ساخت مولد یا ژنراتور در شبکه های عصبی GAN در کراس
⚡️شبکه های عصبی عمیق GAN از مشهورترین و جدیدترین شبکه های عمیق می باشند که در سال 2014 معرفی شدند. این شبکه ها قادر هستند تعداد نامحدودی از تصاویری جعلی درست کنند که به ظاهر بسیار واقعی به نظر می رسند. به عنوان مثال در بازی های رایانه ای و فیلم های سینمایی، می توان از این شبکه ها برای تولید سیاهی لشگر و چهره های متفاوت استفاده کرد.
🎈 در این مثال، مدل مولد بر اساس یک بردار نویز با طول 100 قادر است یک تصویر جعلی از ابعاد 28 در 28 تولید کند.
کانال هوش ماشین: @ai_box
⚡️شبکه های عصبی عمیق GAN از مشهورترین و جدیدترین شبکه های عمیق می باشند که در سال 2014 معرفی شدند. این شبکه ها قادر هستند تعداد نامحدودی از تصاویری جعلی درست کنند که به ظاهر بسیار واقعی به نظر می رسند. به عنوان مثال در بازی های رایانه ای و فیلم های سینمایی، می توان از این شبکه ها برای تولید سیاهی لشگر و چهره های متفاوت استفاده کرد.
🎈 در این مثال، مدل مولد بر اساس یک بردار نویز با طول 100 قادر است یک تصویر جعلی از ابعاد 28 در 28 تولید کند.
کانال هوش ماشین: @ai_box
The owner of this channel has been inactive for the last 18 months. If they remain inactive for the next 9 days, they may lose their account and admin rights in this channel. The contents of the channel will remain accessible for all users.