Tensorflow(@CVision) – Telegram
Tensorflow(@CVision)
15.4K 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
Tensorflow(@CVision)
#MobileNet Accuracy https://news.1rj.ru/str/cvision/255
#MobileNet: Pre_Trained Tensorflow Computer Vision Models.

Developers who want to start using these models should go to the Tensorflow Mobile page:
🔗 https://www.tensorflow.org/mobile/
More information about theTensorflow-Slim image classification library is available on Github:
🔗 https://github.com/tensorflow/models/blob/master/slim/README.md

#TensorFlow #pre_train #model #vision
#NVIDIA DGX-1 with #Tesla V100
این باکس پردازشی 960 ترا FLOPS عملیات پشتیبانی میکند؛ و حدود 100 برابر سریعتر از سی پی یو سرور است.
https://www.nvidia.com/en-us/data-center/dgx-1/
باسلام وقت بخیر
ضمن قبولی طاعات و عبادات ...


فیلم جلسه هفتم دوره « تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده‌ »
ارائه دهنده این جلسه:
👤مهندس ابوالفضل مهدی زاده
🔗 🎥 http://bigdataworkgroup.ir/learning-contents/deep-learning-contents/1357



—------------------

جلسه تحلیل داده های آتش نشانی با استفاده از اسپارک در عمل
ارائه دهنده این جلسه :
👤مهندس مبین رنجبر
🔗 🎥 http://bigdataworkgroup.ir/events/spark/1361



فیلم جلسات دیگر دوره تحلیل با رویکرد یادگیری ژرف به زودی منتشر خواهد شد...
@bigdataworkgroup
DeepLearning_learning path.pdf
1.4 MB
#منابع #مسیر_یادگیری
مسیر پیشنهادی مطالعاتی برای شروع یادگیری عمیق

خیلی از دوستان سوال پرسیدند که برای شروع از کجا شروع کنیم، ترتیب پیشنهادی استفاده از منابع را نوشته ام...
#آموزش
راهنمای خرید یک سیستم مناسب برای یادگیری عمیق:

great Deep Learning box
Assembly, setup and benchmarks

اگر بخواهید یک سیستم مخصوص کارهای یادگیری عمیق بخرید، خواندن این مقاله را توصیه میکنم...
چه مادربوردی بگیرم؟!
چه کارت گرافیکی مناسب است، آیا تسلا ارزش خرید دارد؟!
چه قدر رم احتیاج دارم؟!
پاور مناسب برای اینکار چیست؟!
و ...
https://blog.slavv.com/the-1700-great-deep-learning-box-assembly-setup-and-benchmarks-148c5ebe6415

#Deep_Learning #GPU #benchmark #assembly
#مقاله
مقاله ی جدید و جالب Google Brain + کد #تنسرفلو
آموزش یک شبکه عصبی برای چندین کار مختلف همزمان!

One Model To Learn Them All
(Submitted on 16 Jun 2017)
pic: http://deepnn.ir/tensorflow-telegram-files/tensor2tensor.PNG


🔗abstract:
https://arxiv.org/abs/1706.05137

🔗Paper:
https://arxiv.org/pdf/1706.05137.pdf

🔗Code:
https://github.com/tensorflow/tensor2tensor

یادگیری عمیق در بسیاری از زمینه ها نظیر تشخیص گفتار، طبقه بندی تصویر، ترجمه و ... استفاده می‌شود.
اما تا کنون بدین نحو بوده که برای هر مساله، یک مدل عمیق با یک معماری خاص انتخاب میشد و با تنظیم پارامترها و با فرآیند یادگیری و تنظیم اوزان شبکه برای آن مساله به خوبی کار میکرد اما برای مسائل دیگر قابل استفاده نبود.
در این مقاله یک مدل واحد که در حوزه های مختلف نتایج خوبی داشته استفاده شده و چندین کار را آموزش دیده است. به طور خاص، این مدل تنها به صورت همزمان در ImageNet، وظایف مختلف ترجمه، شرح تصویر، تشخیص گفتار، و کار تجزیه زبان انگلیسی آموزش داده است.
این مدل در بسیاری از مسائل با مدلهای state-of-the-art هر حوزه که فقط برای آن کار آموزش دیده اند قابل مقایسه بوده و در برخی از حوزه ها کارایی بهتری نسبت به زمانی که فقط برای همان حوزه آموزش دیده شده گزارش شده است.


# Google_Brain #tensor2tensor
#deep_learning
#speech_recognition, #image_classification, #translation
#مقاله
Perceptual Generative #Adversarial Networks for Small Object Detection

https://arxiv.org/abs/1706.05274
فریم ورک های یادگیری عمیق
#Torch, #PyTorch, #TensorFlow, #Caffe2
#deep_learning #framework
Advice:
#TensorFlow is a safe bet for most projects. Not perfect but has huge community, wide usage. Maybe pair with high-level wrapper (#Keras, #Sonnet, etc)
I think #PyTorch is best for #research. However still new, there can be rough patches.
Use TensorFlow for one graph over many machines

✔️Consider #Caffe, #Caffe2, or TensorFlow for production deployment

✔️Consider TensorFlow or Caffe2 for #mobile

🖇source: http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture8.pdf

#deep_learning #framework