Tensorflow(@CVision) – Telegram
Tensorflow(@CVision)
15.3K subscribers
1.29K photos
310 videos
81 files
2.53K links
اخبار حوزه یادگیری عمیق و هوش مصنوعی
مقالات و یافته های جدید یادگیری عمیق
بینایی ماشین و پردازش تصویر

TensorFlow, Keras, Deep Learning, Computer Vision

سایت:
http://class.vision

👨‍💻👩‍💻پشتیبان دوره ها:
@classvision_support

لینک گروه:
@tf2keras
Download Telegram
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
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
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
#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.
This media is not supported in your browser
VIEW IN TELEGRAM
تکنولوژی حذف نویز از صدا توسط انویدیا

🙏Thanks to: @techinsider_channel

@cvision
#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)
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
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
👍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
#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
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
#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
#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:

! pip install -q tf-nightly

تابع اضافه شده

tf.keras.preprocessing.image_dataset_from_directory

است، 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
#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
#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