#آموزش
طبقه بندی تصاویر سرطان سینه با #keras
https://www.pyimagesearch.com/2019/02/18/breast-cancer-classification-with-keras-and-deep-learning/
طبقه بندی تصاویر سرطان سینه با #keras
https://www.pyimagesearch.com/2019/02/18/breast-cancer-classification-with-keras-and-deep-learning/
Bias-Variance Trade off!
#bias #variance #machinelearning #bias_variance_trade_off
منبع تصویر
https://www.pinterest.com/pin/778841329284763390/
#bias #variance #machinelearning #bias_variance_trade_off
منبع تصویر
https://www.pinterest.com/pin/778841329284763390/
This media is not supported in your browser
VIEW IN TELEGRAM
#مقاله #سورس_کد
SC-FEGAN : Face Editing Generative Adversarial Network with User's Sketch and Color
Editing photos of faces using basic sketches, and letting a GAN do the rest. Lets you add/change: earrings, glasses, hair style, dimples, & more.
Paper:
https://arxiv.org/pdf/1902.06838.pdf
Code (#tensorflow):
https://github.com/JoYoungjoo/SC-FEGAN
#gan #SC_FEGAN #face
SC-FEGAN : Face Editing Generative Adversarial Network with User's Sketch and Color
Editing photos of faces using basic sketches, and letting a GAN do the rest. Lets you add/change: earrings, glasses, hair style, dimples, & more.
Paper:
https://arxiv.org/pdf/1902.06838.pdf
Code (#tensorflow):
https://github.com/JoYoungjoo/SC-FEGAN
#gan #SC_FEGAN #face
Lingvo یک چارچوب یادگیری عمیق تنسرفلویی است که برای مدل سازی توالی مانند ترجمه ماشین، بازشناسی گفتار و سنتز گفتار استفاده می شود.
Lingvo: A #TensorFlow Framework for Sequence Modeling
https://medium.com/tensorflow/lingvo-a-tensorflow-framework-for-sequence-modeling-8b1d6ffba5bb?linkId=63952201
Lingvo: A #TensorFlow Framework for Sequence Modeling
https://medium.com/tensorflow/lingvo-a-tensorflow-framework-for-sequence-modeling-8b1d6ffba5bb?linkId=63952201
Medium
Lingvo: A TensorFlow Framework for Sequence Modeling
Posted by Jonathan Shen
#منبع #کورس #آموزش
قبلا کورس
Intro to Deep Learning with #PyTorch by Facebook AI
در اینجا
https://news.1rj.ru/str/cvision/763
معرفی شد. اکنون کل ویدیوهای این کورس را یکجا دانلود کنید:
https://s3.amazonaws.com/zips.udacity-data.com/ud188/708528/1550153609817/Intro+to+Deep+Learning+with+PyTorch+Videos.zip
🙏Thanks to: @vahidreza01
#deep_learning #pytorch #facebook #udacity
قبلا کورس
Intro to Deep Learning with #PyTorch by Facebook AI
در اینجا
https://news.1rj.ru/str/cvision/763
معرفی شد. اکنون کل ویدیوهای این کورس را یکجا دانلود کنید:
https://s3.amazonaws.com/zips.udacity-data.com/ud188/708528/1550153609817/Intro+to+Deep+Learning+with+PyTorch+Videos.zip
🙏Thanks to: @vahidreza01
#deep_learning #pytorch #facebook #udacity
Telegram
Tensorflow
#منبع #کورس #آموزش
اگر علاقه دارید پای تورچ را فرابگیرید، فیس بوک اخیرا یک کورس آموزشی رایگان در udacity منتشر کرده است!
Intro to Deep Learning with #PyTorch
by Facebook AI
https://www.udacity.com/course/deep-learning-pytorch--ud188
#deep_learning #pytorch…
اگر علاقه دارید پای تورچ را فرابگیرید، فیس بوک اخیرا یک کورس آموزشی رایگان در udacity منتشر کرده است!
Intro to Deep Learning with #PyTorch
by Facebook AI
https://www.udacity.com/course/deep-learning-pytorch--ud188
#deep_learning #pytorch…
This media is not supported in your browser
VIEW IN TELEGRAM
#مقاله #سورس_کد
The Universal Sentence Encoder is now in TensorFlow.js! USE gives you embeddings for text. It's a great starting point for doing sentiment analysis, topic classification, measuring textual similarity, etc.
https://github.com/tensorflow/tfjs-models/tree/master/universal-sentence-encoder
#nlp #tensorflow
The Universal Sentence Encoder is now in TensorFlow.js! USE gives you embeddings for text. It's a great starting point for doing sentiment analysis, topic classification, measuring textual similarity, etc.
https://github.com/tensorflow/tfjs-models/tree/master/universal-sentence-encoder
#nlp #tensorflow
اعتراض chollet به بزرگنمایی بیش از اندازه و رسانه ای کردن #gpt2 - تصویر 1
https://twitter.com/fchollet/status/1097574572361019394
https://twitter.com/fchollet/status/1097574572361019394
اعتراض chollet به بزرگنمایی بیش از اندازه و رسانه ای کردن #gpt2 - تصویر 2
https://twitter.com/fchollet/status/1097574572361019394
https://twitter.com/fchollet/status/1097574572361019394
🌸برای مهندسین
بن بستی وجود ندارد،
آنان یا راهی
خواهنـد یافت
یا راهی خواهند ساخت🌸
🌺روز مهندس رو به تمامی مهندسین عزیز تبریک عرض میکنیم 🌺
@cvision
بن بستی وجود ندارد،
آنان یا راهی
خواهنـد یافت
یا راهی خواهند ساخت🌸
🌺روز مهندس رو به تمامی مهندسین عزیز تبریک عرض میکنیم 🌺
@cvision
#نصب #keras #gpu
یک نکته که ممکنه تو نصب کراس مواجه شوید اینه که اگر قبل از نصب کراس تنسورفلوی GPU رو نصب کرده باشید و بعد کراس رو نصب کنید، ممکنه خودش تنسور فلوی CPU رو نصب کنه!
درواقع نسخه GPU رو پاک میکنه و لازمه بعدش دوباره نسخه GPU رو نصب کرد.
راه حل این مشکل استفاده از پرچم no-deps-- موقع نصب کراس هست.
🙏Thanks to: @MH_Sattarian
یک نکته که ممکنه تو نصب کراس مواجه شوید اینه که اگر قبل از نصب کراس تنسورفلوی GPU رو نصب کرده باشید و بعد کراس رو نصب کنید، ممکنه خودش تنسور فلوی CPU رو نصب کنه!
درواقع نسخه GPU رو پاک میکنه و لازمه بعدش دوباره نسخه GPU رو نصب کرد.
راه حل این مشکل استفاده از پرچم no-deps-- موقع نصب کراس هست.
🙏Thanks to: @MH_Sattarian
#کورس #منبع #آموزش #ویدیو
ویدیوها و اسلایدهای کورس جدید یادگیری بدون ناظر عمیق دانشگاه برکلی.
اسلایدها و ویدیوها هفتگی اضافه میشود.
CS294-158 Deep Unsupervised Learning Spring 2019
https://sites.google.com/view/berkeley-cs294-158-sp19/home
Tentative Schedule / Syllabus
Week 1 (1/30)
Lecture 1a: Logistics
Lecture 1b: Motivation
Lecture 1c: Likelihood-based Models Part I: Autoregressive Models
Week 2 (2/6)
Lecture 2a: Likelihood-based Models Part I: Autoregressive Models (ctd)
Lecture 2b: Lossless Compression
Lecture 2c: Likelihood-based Models Part II: Flow Models
Week 3 (2/13)
Lecture 3a: Likelihood-based Models Part II: Flow Models (ctd)
Lecture 3b: Latent Variable Models - part 1
Week 4 (2/20)
Lecture 4a: Latent Variable Models - part 2
Lecture 4b: Bits-Back Coding
Week 5 (2/27)
Lecture 5: Implicit Models / Generative Adversarial Networks
Week 6 (3/6)
Lecture 6: Non-Generative Representation Learning
Week 7 (3/13)
Lecture 7a: Non-Generative Representation Learning (ctd)
Lecture 7b: Semi-supervised Learning
Week 8 (3/20)
Lecture 8: Representation Learning + Other Problems
Spring Break Week (3/27)
you are on your own :)
Week 9 (4/3)
Lecture 9a: Unsupervised Distribution Alignment
Lecture 9b: Guest Lecture: Ilya Sutskever
Week 10 (4/10)
Lecture 10a: Unsupervised Distribution Alignment (ctd)
Lecture 10b: Guest Lecture: Durk Kingma
Week 11 (4/17)
Lecture 11: Language Models (Alec Radford)
Week 12 (4/24)
Lecture 12a: Unsupervised RL
Lecture 12b: Guest Lecture Alyosha Efros
Week 13 (5/1)
Lecture 13a: TBD
Lecture 13b: Guest Lecture Aaron van den Oord
Week 14 (5/8)
RRR week: no lecture
Week 15 (5/15)
Final Project Presentations
ویدیوها و اسلایدهای کورس جدید یادگیری بدون ناظر عمیق دانشگاه برکلی.
اسلایدها و ویدیوها هفتگی اضافه میشود.
CS294-158 Deep Unsupervised Learning Spring 2019
https://sites.google.com/view/berkeley-cs294-158-sp19/home
Tentative Schedule / Syllabus
Week 1 (1/30)
Lecture 1a: Logistics
Lecture 1b: Motivation
Lecture 1c: Likelihood-based Models Part I: Autoregressive Models
Week 2 (2/6)
Lecture 2a: Likelihood-based Models Part I: Autoregressive Models (ctd)
Lecture 2b: Lossless Compression
Lecture 2c: Likelihood-based Models Part II: Flow Models
Week 3 (2/13)
Lecture 3a: Likelihood-based Models Part II: Flow Models (ctd)
Lecture 3b: Latent Variable Models - part 1
Week 4 (2/20)
Lecture 4a: Latent Variable Models - part 2
Lecture 4b: Bits-Back Coding
Week 5 (2/27)
Lecture 5: Implicit Models / Generative Adversarial Networks
Week 6 (3/6)
Lecture 6: Non-Generative Representation Learning
Week 7 (3/13)
Lecture 7a: Non-Generative Representation Learning (ctd)
Lecture 7b: Semi-supervised Learning
Week 8 (3/20)
Lecture 8: Representation Learning + Other Problems
Spring Break Week (3/27)
you are on your own :)
Week 9 (4/3)
Lecture 9a: Unsupervised Distribution Alignment
Lecture 9b: Guest Lecture: Ilya Sutskever
Week 10 (4/10)
Lecture 10a: Unsupervised Distribution Alignment (ctd)
Lecture 10b: Guest Lecture: Durk Kingma
Week 11 (4/17)
Lecture 11: Language Models (Alec Radford)
Week 12 (4/24)
Lecture 12a: Unsupervised RL
Lecture 12b: Guest Lecture Alyosha Efros
Week 13 (5/1)
Lecture 13a: TBD
Lecture 13b: Guest Lecture Aaron van den Oord
Week 14 (5/8)
RRR week: no lecture
Week 15 (5/15)
Final Project Presentations
Google
CS294-158-SP19 Deep Unsupervised Learning Spring 2019
About: This course will cover two areas of deep learning in which labeled data is not required: Deep Generative Models and Self-supervised Learning. Recent advances in generative models have made it possible to realistically model high-dimensional raw data…
#منبع #کتاب #آموزش
Dive into Deep Learning
An interactive deep learning book with code, math, and discussions
http://www.d2l.ai/
#mxnet
Dive into Deep Learning
An interactive deep learning book with code, math, and discussions
http://www.d2l.ai/
#mxnet
👍1
#منبع #کورس
کورس جدید andrew ng که از دو روز دیگر شروع خواهد شد.
این کورس ظاهرا تکنیکال نیست.
AI For Everyone will launch on February 28th! This non-technical course will teach you the language of AI, how to drive AI adoption in your company, and AI’s potential impact on society.
https://www.coursera.org/learn/ai-for-everyone
کورس جدید andrew ng که از دو روز دیگر شروع خواهد شد.
این کورس ظاهرا تکنیکال نیست.
AI For Everyone will launch on February 28th! This non-technical course will teach you the language of AI, how to drive AI adoption in your company, and AI’s potential impact on society.
https://www.coursera.org/learn/ai-for-everyone
#آموزش
سمت چپ مدل Xception مقاله است و سمت راست پیاده سازی با Functional API در Keras.
همان طور که میدانید سه روش اصلی در کراس برای پیاده سازی شبکه ها وجود دارد.
sequential - functional - model subclassing.
در این تصویر به خوبی ایده پیاده سازی با روش دوم که انعطاف بیشتری نسبت به sequential دارد را درک میکنید.
https://twitter.com/fchollet/status/1100169756953346048
#keras #functional_api
سمت چپ مدل Xception مقاله است و سمت راست پیاده سازی با Functional API در Keras.
همان طور که میدانید سه روش اصلی در کراس برای پیاده سازی شبکه ها وجود دارد.
sequential - functional - model subclassing.
در این تصویر به خوبی ایده پیاده سازی با روش دوم که انعطاف بیشتری نسبت به sequential دارد را درک میکنید.
https://twitter.com/fchollet/status/1100169756953346048
#keras #functional_api
Media is too big
VIEW IN TELEGRAM
#خبر #مقاله
روش جدیدی برای تشخیص حرکت عابرین پیاده تا فاصله 45 متری از خودرو
AI Algorithm for Autonomous Machines Can Predict Human Movement
#bio_LSTM neural network on the PedX dataset
“The proposed network is able to predict poses and global locations for multiple pedestrians simultaneously for pedestrians up to 45 meters from the cameras,”
paper: https://arxiv.org/pdf/1809.03705.pdf
🙏Thanks to: @vahidreza01
#pedestrian #nvidia #Movement #autonomous
روش جدیدی برای تشخیص حرکت عابرین پیاده تا فاصله 45 متری از خودرو
AI Algorithm for Autonomous Machines Can Predict Human Movement
#bio_LSTM neural network on the PedX dataset
“The proposed network is able to predict poses and global locations for multiple pedestrians simultaneously for pedestrians up to 45 meters from the cameras,”
paper: https://arxiv.org/pdf/1809.03705.pdf
🙏Thanks to: @vahidreza01
#pedestrian #nvidia #Movement #autonomous
#آموزش #سورس_کد
دو آموزش جدید تنسرفلو برای Gradient Boosted Trees
حتما اگر با کتابخانه #XGBoost کار کرده باشید این الگوریتم را میشناسید. یک روش یادگیری ماشین انعطاف پذیر محبوب در سالهای اخیر که در مسائل رگرسیون، طبقه بندی و رنکینگ میتونه استفاده بشه. در چالش های کگل برنده های زیادی از این روش استفاده کرده اند.
How to train Boosted Trees models in TensorFlow
https://www.tensorflow.org/tutorials/estimators/boosted_trees
Gradient Boosted Trees: Model understanding
https://www.tensorflow.org/tutorials/estimators/boosted_trees_model_understanding
#Gradient_Boosted_Trees #tensorflow
دو آموزش جدید تنسرفلو برای Gradient Boosted Trees
حتما اگر با کتابخانه #XGBoost کار کرده باشید این الگوریتم را میشناسید. یک روش یادگیری ماشین انعطاف پذیر محبوب در سالهای اخیر که در مسائل رگرسیون، طبقه بندی و رنکینگ میتونه استفاده بشه. در چالش های کگل برنده های زیادی از این روش استفاده کرده اند.
How to train Boosted Trees models in TensorFlow
https://www.tensorflow.org/tutorials/estimators/boosted_trees
Gradient Boosted Trees: Model understanding
https://www.tensorflow.org/tutorials/estimators/boosted_trees_model_understanding
#Gradient_Boosted_Trees #tensorflow
#مقاله
One pixel attack for fooling deep neural networks
در این مقاله تنها با تغییر یک پیکسل از تصویر موفق شده adversarial attack انجام بده وشبکه را فریب بده!
https://arxiv.org/abs/1710.08864
#adversarial
One pixel attack for fooling deep neural networks
در این مقاله تنها با تغییر یک پیکسل از تصویر موفق شده adversarial attack انجام بده وشبکه را فریب بده!
https://arxiv.org/abs/1710.08864
#adversarial
😱1
استفاده هر چه آسانتر از دیتاست های مابلیک با قابلیت جدید تنسرفلو
The brand new TensorFlow Datasets, make it super easy to load a variety of public datasets into #TensorFlow programs in both tf.data and NumPy format!
https://medium.com/tensorflow/introducing-tensorflow-datasets-c7f01f7e19f3
اخبار مرتبط:
https://news.1rj.ru/str/cvision/939
#tensorflow #dataset
The brand new TensorFlow Datasets, make it super easy to load a variety of public datasets into #TensorFlow programs in both tf.data and NumPy format!
https://medium.com/tensorflow/introducing-tensorflow-datasets-c7f01f7e19f3
اخبار مرتبط:
https://news.1rj.ru/str/cvision/939
#tensorflow #dataset
#خبر #تنسربورد
پشتیبانی jupyter notebook از تنسربورد تنسرفلو با magic command ها ( کامندهایی که در اول آن علامت % قرار میدهیم و فقط در نوت بوک معتبر بوده و اجرا میشود.)
Good news! TensorBoard now works in Jupyter Notebooks, via magic commands "%" that match the command line.
https://colab.research.google.com/github/tensorflow/tensorboard/blob/master/docs/r2/tensorboard_quickstart.ipynb
#jupyter #tensorboard
پشتیبانی jupyter notebook از تنسربورد تنسرفلو با magic command ها ( کامندهایی که در اول آن علامت % قرار میدهیم و فقط در نوت بوک معتبر بوده و اجرا میشود.)
Good news! TensorBoard now works in Jupyter Notebooks, via magic commands "%" that match the command line.
https://colab.research.google.com/github/tensorflow/tensorboard/blob/master/docs/r2/tensorboard_quickstart.ipynb
#jupyter #tensorboard
بررسی دقت و سرعت دو الگوریتم معروف تشخیص موقعیت بدن
Pose Detection comparison : #wrnchAI vs #OpenPose
https://www.learnopencv.com/pose-detection-comparison-wrnchai-vs-openpose/?ck_subscriber_id=314337074
#pose
Pose Detection comparison : #wrnchAI vs #OpenPose
https://www.learnopencv.com/pose-detection-comparison-wrnchai-vs-openpose/?ck_subscriber_id=314337074
#pose
Learnopencv
Pose Detection comparison : wrnchAI vs OpenPose | Learn OpenCV
We compare the performance of Human Body Pose Estimation systems - wrnchAI and OpenPose. We evaluate both systems on various factors such as Speed, Accuracy etc