متن تمام مقالات چاپ شده امسال کنفرانس بینایی ماشین و پردازش تصویر ایران
برای پیاده سازی برنامه در این زمینه ها،ایده های خوبی برای شروع پروژه به شما خواهد داد
📘 کتاب کامل (مناسب برای چاپ و صحافی):
http://farabi.ut.ac.ir/mvip2020/mvip2020proc.pdf
(این نسخه چون مناسب چاپ است، قسمت انگلیسی در pdf به صورت بر عکس است.
صفحه 100 بعد صفحه 99 و ...)
📒 قسمت مقالات انگلیسی:
http://farabi.ut.ac.ir/mvip2020/mvip2020proc-en.pdf
📗 قسمت مقالات فارسی:
http://farabi.ut.ac.ir/mvip2020/mvip2020proc-fa.pdf
منبع:
http://mvip2020.ut.ac.ir
@mvip2020
@cvision
برای پیاده سازی برنامه در این زمینه ها،ایده های خوبی برای شروع پروژه به شما خواهد داد
📘 کتاب کامل (مناسب برای چاپ و صحافی):
http://farabi.ut.ac.ir/mvip2020/mvip2020proc.pdf
(این نسخه چون مناسب چاپ است، قسمت انگلیسی در pdf به صورت بر عکس است.
صفحه 100 بعد صفحه 99 و ...)
📒 قسمت مقالات انگلیسی:
http://farabi.ut.ac.ir/mvip2020/mvip2020proc-en.pdf
📗 قسمت مقالات فارسی:
http://farabi.ut.ac.ir/mvip2020/mvip2020proc-fa.pdf
منبع:
http://mvip2020.ut.ac.ir
@mvip2020
@cvision
#خبر
به روز رسانی اساسی سایت
https://paperswithcode.com/
بیشتر بخوانید:
https://medium.com/paperswithcode/a-home-for-results-in-ml-e25681c598dc
به روز رسانی اساسی سایت
https://paperswithcode.com/
بیشتر بخوانید:
https://medium.com/paperswithcode/a-home-for-results-in-ml-e25681c598dc
This media is not supported in your browser
VIEW IN TELEGRAM
همین الان این دموی جالب TensorflowJS را در مرورگر تست کنید!
https://pose-animator-demo.firebaseapp.com/camera.html
کدها:
https://github.com/yemount/pose-animator/
Pose Animator: SVG animation rendered in real-time in the browser in javanoscript via tfjs.
@cvision
https://pose-animator-demo.firebaseapp.com/camera.html
کدها:
https://github.com/yemount/pose-animator/
Pose Animator: SVG animation rendered in real-time in the browser in javanoscript via tfjs.
@cvision
نمونه کد جدید از سایت جدید Keras و Chollet
Text classification with Transformer
https://keras.io/examples/nlp/text_classification_with_transformer/
در کولب اجرا کنید
https://colab.research.google.com/github/keras-team/keras-io/blob/master/examples/nlp/ipynb/text_classification_with_transformer.ipynb
Text classification with Transformer
https://keras.io/examples/nlp/text_classification_with_transformer/
در کولب اجرا کنید
https://colab.research.google.com/github/keras-team/keras-io/blob/master/examples/nlp/ipynb/text_classification_with_transformer.ipynb
keras.io
Keras documentation: Text classification with Transformer
This media is not supported in your browser
VIEW IN TELEGRAM
اینو یادتونه؟
https://news.1rj.ru/str/cvision/1901
حالا برای درست کردن presentation ازش استفاده کنید!
https://github.com/cyrildiagne/ar-cutpaste/tree/clipboard
https://news.1rj.ru/str/cvision/1901
حالا برای درست کردن presentation ازش استفاده کنید!
https://github.com/cyrildiagne/ar-cutpaste/tree/clipboard
#خبر
دو روز پیش تنسرفلو نسخه 2.2 منتشر شد
TensorFlow 2.2.0 has been released!
https://github.com/tensorflow/tensorflow/releases/tag/v2.2.0
همون طور که در "وبینار Callback" بحث شد، این نسخه profiler جدید را نیز به تنسربورد اضافه کرد.
دو روز پیش تنسرفلو نسخه 2.2 منتشر شد
TensorFlow 2.2.0 has been released!
https://github.com/tensorflow/tensorflow/releases/tag/v2.2.0
همون طور که در "وبینار Callback" بحث شد، این نسخه profiler جدید را نیز به تنسربورد اضافه کرد.
GitHub
Release TensorFlow 2.2.0 · tensorflow/tensorflow
Release 2.2.0
TensorFlow 2.2 discontinues support for Python 2, previously announced as following Python 2's EOL on January 1, 2020.
Coinciding with this change, new releases of TensorFlow'...
TensorFlow 2.2 discontinues support for Python 2, previously announced as following Python 2's EOL on January 1, 2020.
Coinciding with this change, new releases of TensorFlow'...
#سوال
آیا میتوان روی یک سیستم، دو نسخه متفاوت از cuda داشت؟!
پاسخ
بله، مثلا میشه همزمان کودا ۱۰.۰ و ۱۰.۱ و ۱۰.۲ روی ماشینتون نصب کنید.
و مثلا همزمان تنسرفلو ۱.۱۴ و ۲.۲.۰ هم توی محیطهای مجزا داشته باشید که هر کدام از نسخه کودا مورد نیاز استفاده کنند و بدون مشکل کار کنن.
نصب کودا رو میتونید با خود ریپوها انجام بدید
فقط مثلا تو سیستم عامل لینوکس، توی .bashrc برید و مسیرهای کوداها رو برای هر نسخه جدا اضافه کنید به ld_library_path.
کودا بدون پیشوند هم یه سافتلینکه به نسخهٔ آخری که نصب میکنید. ولی میتونید خودتون برید اون چیزی که دوست دارید پیشفرض باشه را بذارید.
🙏Thanks to: @samehraboon
Tensorflow(@cvision)
آیا میتوان روی یک سیستم، دو نسخه متفاوت از cuda داشت؟!
پاسخ
بله، مثلا میشه همزمان کودا ۱۰.۰ و ۱۰.۱ و ۱۰.۲ روی ماشینتون نصب کنید.
و مثلا همزمان تنسرفلو ۱.۱۴ و ۲.۲.۰ هم توی محیطهای مجزا داشته باشید که هر کدام از نسخه کودا مورد نیاز استفاده کنند و بدون مشکل کار کنن.
نصب کودا رو میتونید با خود ریپوها انجام بدید
فقط مثلا تو سیستم عامل لینوکس، توی .bashrc برید و مسیرهای کوداها رو برای هر نسخه جدا اضافه کنید به ld_library_path.
کودا بدون پیشوند هم یه سافتلینکه به نسخهٔ آخری که نصب میکنید. ولی میتونید خودتون برید اون چیزی که دوست دارید پیشفرض باشه را بذارید.
🙏Thanks to: @samehraboon
Tensorflow(@cvision)
منتظر یک دوره آموزشی آنلاین،
با گواهی سه جانبه شرکت در دوره، که از طرف
مجموعه class.vision
مجموعه دانش بنیان شناسا،
و شتابدهنده ی هوش مصنوعی همتک
برگزار میگردد باشید.
اطلاعات دقیقتر و نحوه ثبت نام، در هفته های آتی در کانال اطلاع رسانی خواهد شد.
در صورتی که سرفصل خاصی را دوست دارید در این کورس ببینید، پیشنهاد خود را به
akhavan@class.vision
ارسال کنید
با گواهی سه جانبه شرکت در دوره، که از طرف
مجموعه class.vision
مجموعه دانش بنیان شناسا،
و شتابدهنده ی هوش مصنوعی همتک
برگزار میگردد باشید.
اطلاعات دقیقتر و نحوه ثبت نام، در هفته های آتی در کانال اطلاع رسانی خواهد شد.
در صورتی که سرفصل خاصی را دوست دارید در این کورس ببینید، پیشنهاد خود را به
akhavan@class.vision
ارسال کنید
Tensorflow(@CVision)
شناسایی اشیاء با YOLOv4 سریعتر از همیشه! YOLOv4: Optimal Speed and Accuracy of Object Detection مقاله: https://arxiv.org/abs/2004.10934 سورس کد: https://github.com/AlexeyAB/darknet پیاده سازی غیر رسمی کراس: keras-yolo4 https://github.com/Ma-Dan/keras-yolo4
همیشه نسخههای جدید YOLO افزایش سرعت و دقتش مارو شگفت زده میکرد،
اما این سری اولش فکر کردم که این نسخه (نسخه 4)، نسخه ی رسمیش نبوده، چون اسم علی فرهادی و ردمون که نویسنده های اصلی 3 نسخه قبلی بودند تو مقاله مربوط به این نسخه نبود.
اگر شماهم تعجب کردید که چرا، امروز تو توئیت چند ماه پیشش به جوابم رسیدم.
ردمون به خاطر تاثیر کارش روی کارهای نظامی و ... این فیلدو کنار گذاشته!!!
متن توئیتش:
https://twitter.com/pjreddie/status/1230524770350817280?s=20
اما این سری اولش فکر کردم که این نسخه (نسخه 4)، نسخه ی رسمیش نبوده، چون اسم علی فرهادی و ردمون که نویسنده های اصلی 3 نسخه قبلی بودند تو مقاله مربوط به این نسخه نبود.
اگر شماهم تعجب کردید که چرا، امروز تو توئیت چند ماه پیشش به جوابم رسیدم.
ردمون به خاطر تاثیر کارش روی کارهای نظامی و ... این فیلدو کنار گذاشته!!!
متن توئیتش:
https://twitter.com/pjreddie/status/1230524770350817280?s=20
👍1
#خبر
طبق اعلام Chollet
دانلود های تنسرفلو از مرز 100 میلیون گذشته و
فقط تو ماه گذشته 1 میلیون دانلود داشته.
📈یک رشد واقعی
https://twitter.com/fchollet/status/1260073069424504832?s=20
طبق اعلام Chollet
دانلود های تنسرفلو از مرز 100 میلیون گذشته و
فقط تو ماه گذشته 1 میلیون دانلود داشته.
📈یک رشد واقعی
https://twitter.com/fchollet/status/1260073069424504832?s=20
#آموزش #سورس_کد
از داکیومنت های جدید وب سایت کراس
how to implement a Wasserstein GAN with gradient penalty
https://keras.io/examples/generative/wgan_gp/
#WGAN
از داکیومنت های جدید وب سایت کراس
how to implement a Wasserstein GAN with gradient penalty
https://keras.io/examples/generative/wgan_gp/
#WGAN
keras.io
Keras documentation: WGAN-GP overriding `Model.train_step`
Tensorflow(@CVision)
#خبر طبق اعلام Chollet دانلود های تنسرفلو از مرز 100 میلیون گذشته و فقط تو ماه گذشته 1 میلیون دانلود داشته. 📈یک رشد واقعی https://twitter.com/fchollet/status/1260073069424504832?s=20
#مقایسه #آمار
استفاده از Tensorflow در مقابل pytorch
به استناد پکیج های نصب شده با pip
TensorFlow has crossed 100M total downloads from PyPI -- not counting downloads from our various auxiliary packages, tf-nightly, the old tf-gpu, the old Keras, etc.
https://twitter.com/fchollet/status/1260267421014691841?s=20
استفاده از Tensorflow در مقابل pytorch
به استناد پکیج های نصب شده با pip
TensorFlow has crossed 100M total downloads from PyPI -- not counting downloads from our various auxiliary packages, tf-nightly, the old tf-gpu, the old Keras, etc.
https://twitter.com/fchollet/status/1260267421014691841?s=20
#مقایسه #آمار
استفاده از Tensorflow در مقابل pytorch
به استناد استفاده در گوگل کولب
2) Number of Colab notebooks that import TF/Keras. Colab is primarily used by grad students (which is who we mean in practice when we say "deep learning researchers"), not industry folks. And it's the platform of choice for official tutorials for both PT and TF.
Ratio is ~2.5x
https://twitter.com/fchollet/status/1260268412363653121?s=20
استفاده از Tensorflow در مقابل pytorch
به استناد استفاده در گوگل کولب
2) Number of Colab notebooks that import TF/Keras. Colab is primarily used by grad students (which is who we mean in practice when we say "deep learning researchers"), not industry folks. And it's the platform of choice for official tutorials for both PT and TF.
Ratio is ~2.5x
https://twitter.com/fchollet/status/1260268412363653121?s=20
#مقاله #سورس_کد
#TailorGAN: Making User-Defined Fashion Designs
project page:
https://www.cs.rochester.edu/~cxu22/r/tailorgan/
paper:
https://arxiv.org/pdf/2001.06427.pdf
code:
https://github.com/gli-27/TailorGAN
#TailorGAN: Making User-Defined Fashion Designs
project page:
https://www.cs.rochester.edu/~cxu22/r/tailorgan/
paper:
https://arxiv.org/pdf/2001.06427.pdf
code:
https://github.com/gli-27/TailorGAN
#آموزش #keras #tf2
همان طور که میدانید و در وبینار tf.data (که فیلم و کد و اسلاید در اینجا موجود است) بحث شد، استفاده از ImageDataGenerator کراس توصیه نمیشه! چرا که پایتونی و با نامپای نوشته شده و بسیار کند تر از تعریف pipeline ورودی با تنسرفلو است.
اما برای حالتی که ما برای هر کلاس به فولدر داشتیم خیلی راحت تر بود! نبود؟!
خوشبختانه یه تابع جدید تعریف کردند که مثل قبل آسونه، اما سرعت pipeline دیتا با tf.data را قراره داشته باشه!
قبل این که شروع کنیم عرض کنم که هنوز تو تنسرفلو 2.2 اضافه نشده و الان تو نسخه nightly هستش.
پس اگر تو کولب هستید، قبل از این که چیزی را import کنید بزنید:
اگر میخواید داکیومنتشو بخونید،
در سایت تنسرفلو:
https://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/image_dataset_from_directory
و در سایت کراس:
https://keras.io/api/preprocessing/image/#image_dataset_from_directory-function
و اگر میخواید همین الان تستش کنید، تو کولب نوت بوک زیرو ببنید:
https://colab.research.google.com/github/keras-team/keras-io/blob/master/examples/vision/ipynb/image_classification_from_scratch.ipynb#scrollTo=mIjFNal6Eqdn
@cvision
همان طور که میدانید و در وبینار tf.data (که فیلم و کد و اسلاید در اینجا موجود است) بحث شد، استفاده از ImageDataGenerator کراس توصیه نمیشه! چرا که پایتونی و با نامپای نوشته شده و بسیار کند تر از تعریف pipeline ورودی با تنسرفلو است.
اما برای حالتی که ما برای هر کلاس به فولدر داشتیم خیلی راحت تر بود! نبود؟!
خوشبختانه یه تابع جدید تعریف کردند که مثل قبل آسونه، اما سرعت pipeline دیتا با tf.data را قراره داشته باشه!
قبل این که شروع کنیم عرض کنم که هنوز تو تنسرفلو 2.2 اضافه نشده و الان تو نسخه nightly هستش.
پس اگر تو کولب هستید، قبل از این که چیزی را import کنید بزنید:
! pip install -q tf-nightlyتابع اضافه شده
tf.keras.preprocessing.image_dataset_from_directoryاست، که کم و بیش همان ورودی های ImageDataGenerator را داره.
اگر میخواید داکیومنتشو بخونید،
در سایت تنسرفلو:
https://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/image_dataset_from_directory
و در سایت کراس:
https://keras.io/api/preprocessing/image/#image_dataset_from_directory-function
و اگر میخواید همین الان تستش کنید، تو کولب نوت بوک زیرو ببنید:
https://colab.research.google.com/github/keras-team/keras-io/blob/master/examples/vision/ipynb/image_classification_from_scratch.ipynb#scrollTo=mIjFNal6Eqdn
@cvision
Telegram
Tensorflow(@CVision)
#آموزش #ویدیو #وبینار
Build TensorFlow input pipelines with tf.data
⚪️فیلم وبینار فارسی tf.data و راهکارهای افزایش سرعت آموزش - پنجشنبه مورخ ۱۴ فروردین ۱۳۹۹
⚪️سطح: پیشرفته (کد نویسی)
این وبینار به آموزش مراحل ساخت pipeline ورودی TensorFlow2 و keras…
Build TensorFlow input pipelines with tf.data
⚪️فیلم وبینار فارسی tf.data و راهکارهای افزایش سرعت آموزش - پنجشنبه مورخ ۱۴ فروردین ۱۳۹۹
⚪️سطح: پیشرفته (کد نویسی)
این وبینار به آموزش مراحل ساخت pipeline ورودی TensorFlow2 و keras…
Forwarded from رویدادهای هوش مصنوعی
#کنفرانس
این کنفرانس #آنلاین است
The International Conference on Computer and Knowledge Engineering (ICCKE) is an online annual conference for the presentation of cutting-edge research contributions in the fields of computer and knowledge engineering.
❌Paper Submission Deadline: June 21, 2020
https://iccke2020.um.ac.ir/
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورکشاپ، کلاس و ... تشکیل شده است.
@eventai
این کنفرانس #آنلاین است
The International Conference on Computer and Knowledge Engineering (ICCKE) is an online annual conference for the presentation of cutting-edge research contributions in the fields of computer and knowledge engineering.
❌Paper Submission Deadline: June 21, 2020
https://iccke2020.um.ac.ir/
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورکشاپ، کلاس و ... تشکیل شده است.
@eventai
#nlp #مجموعه_داده
Persian raw text - حدود ۸۰ گیگابایت متن خام فارسی
https://github.com/danyaljj/persian_raw_text
🙏Thanks to: @Sed_Amin_Taheri
Persian raw text - حدود ۸۰ گیگابایت متن خام فارسی
https://github.com/danyaljj/persian_raw_text
🙏Thanks to: @Sed_Amin_Taheri
GitHub
GitHub - persiannlp/persian-raw-text: Persian raw text - حدود ۸۰ گیگابایت متن خام فارسی
Persian raw text - حدود ۸۰ گیگابایت متن خام فارسی. Contribute to persiannlp/persian-raw-text development by creating an account on GitHub.
#کورس #آموزش #منبع #رایگان
فیلمهای دوره ی جدید جبر خطی دانشگاه MIT رایگان در دسترس است
Intro: A New Way to Start Linear Algebra
مدرس: Gilbert Strang
صفحه این کورس:
https://ocw.mit.edu/resources/res-18-010-a-2020-vision-of-linear-algebra-spring-2020/
ویدیوها در یوتیوب:
https://www.youtube.com/watch?v=YrHlHbtiSM0&list=PLUl4u3cNGP61iQEFiWLE21EJCxwmWvvek
فیلمهای دوره ی جدید جبر خطی دانشگاه MIT رایگان در دسترس است
Intro: A New Way to Start Linear Algebra
مدرس: Gilbert Strang
صفحه این کورس:
https://ocw.mit.edu/resources/res-18-010-a-2020-vision-of-linear-algebra-spring-2020/
ویدیوها در یوتیوب:
https://www.youtube.com/watch?v=YrHlHbtiSM0&list=PLUl4u3cNGP61iQEFiWLE21EJCxwmWvvek