#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/
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/
Forwarded from کارگروه کلانداده - دانشگاه صنعتی شریف
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
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
کارگروه کلانداده - دانشگاه صنعتی شریف
فیلم جلسه هفتم دوره « تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده » - کارگروه کلانداده - دانشگاه صنعتی شریف
دوره «تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده» با هدف آشنایی و تحلیل مباحث و مفاهیم رویکرد یادگیری ژرف از آذر ۹۵ شروع به فعالیت کرد. این دوره در نظر دارد تا با درک و احاطه پیدا کردن به مفاهیم حوزه، آن را بر بستر کلانداده استفاده نماید. این دوره یک…
کارگروه کلانداده - دانشگاه صنعتی شریف
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 —-------…
prezi.com
Introduction to Deep NLP
#خبر
Google’s #TensorFlow object detection API will power your computer vision models
[Published June 17, 2017]
pic: http://bit.ly/2rInFXv
🔗 http://thetechnews.com/2017/06/17/googles-tensorflow-object-detection-api-will-power-your-computer-vision-models/
Code:
🔗 https://github.com/tensorflow/models/tree/master/object_detection
#object_detection #API #VISION
Google’s #TensorFlow object detection API will power your computer vision models
[Published June 17, 2017]
pic: http://bit.ly/2rInFXv
🔗 http://thetechnews.com/2017/06/17/googles-tensorflow-object-detection-api-will-power-your-computer-vision-models/
Code:
🔗 https://github.com/tensorflow/models/tree/master/object_detection
#object_detection #API #VISION
Media is too big
VIEW IN TELEGRAM
#آموزش
A Guide to Running #Tensorflow Models on #Android
Code for this video:
https://github.com/llSourcell/A_Guide_to_Running_Tensorflow_Models_on_Android
A Guide to Running #Tensorflow Models on #Android
Code for this video:
https://github.com/llSourcell/A_Guide_to_Running_Tensorflow_Models_on_Android
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...
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
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
Medium
The $1700 great Deep Learning box: Assembly, setup and benchmarks
Building a desktop after a decade of MacBook Airs and cloud servers
#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 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
#dataset:
Announced Sept 2016:
Google Open Images (~9M images)
https://github.com/openimages/dataset
Youtube-8M (8M videos)
https://research.google.com/youtube8m/
Announced Sept 2016:
Google Open Images (~9M images)
https://github.com/openimages/dataset
Youtube-8M (8M videos)
https://research.google.com/youtube8m/
GitHub
GitHub - openimages/dataset: The Open Images dataset
The Open Images dataset. Contribute to openimages/dataset development by creating an account on GitHub.
Benchmarks for popular CNN models
🔗 https://github.com/jcjohnson/cnn-benchmarks
Some general conclusions:
- Pascal Titan X > GTX 1080
- GTX 1080 > Maxwell Titan X
- ResNet > VGG
- Always use cuDNN
- GPUs are critical
#Benchmark #Deep_Learning #CNN #GPU #Model
🔗 https://github.com/jcjohnson/cnn-benchmarks
Some general conclusions:
- Pascal Titan X > GTX 1080
- GTX 1080 > Maxwell Titan X
- ResNet > VGG
- Always use cuDNN
- GPUs are critical
#Benchmark #Deep_Learning #CNN #GPU #Model
GitHub
GitHub - jcjohnson/cnn-benchmarks: Benchmarks for popular CNN models
Benchmarks for popular CNN models. Contribute to jcjohnson/cnn-benchmarks development by creating an account on GitHub.
#آموزش
LSTM by Example using Tensorflow
https://medium.com/towards-data-science/lstm-by-example-using-tensorflow-feb0c1968537
#deep_learning #LSTM #TensorFlow
LSTM by Example using Tensorflow
https://medium.com/towards-data-science/lstm-by-example-using-tensorflow-feb0c1968537
#deep_learning #LSTM #TensorFlow
Medium
LSTM by Example using Tensorflow
In Deep Learning, Recurrent Neural Networks (RNN) are a family of neural networks that excels in learning from sequential data. A class of…
#مقاله
Perceptual Generative #Adversarial Networks for Small Object Detection
https://arxiv.org/abs/1706.05274
Perceptual Generative #Adversarial Networks for Small Object Detection
https://arxiv.org/abs/1706.05274
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
#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
Deep learning frameworks in GitHub:
http://www.cio.com/article/3193689/artificial-intelligence/which-deep-learning-network-is-best-for-you.html
#framework #deep_learning
http://www.cio.com/article/3193689/artificial-intelligence/which-deep-learning-network-is-best-for-you.html
#framework #deep_learning
PyTorch vs TensorFlow — spotting the difference
[Published June 21, 2017]
https://medium.com/@dubovikov.kirill/pytorch-vs-tensorflow-spotting-the-difference-25c75777377b
#PyTorch #TensorFlow #deep_learning #framework
[Published June 21, 2017]
https://medium.com/@dubovikov.kirill/pytorch-vs-tensorflow-spotting-the-difference-25c75777377b
#PyTorch #TensorFlow #deep_learning #framework
Medium
PyTorch vs TensorFlow — spotting the difference
In this post I want to explore some of the key similarities between PyTorch and TensorFlow
#کورس #آموزش
دوره رایگان آموزش مبانی یادگیری عمیق توسط ماکروسافت
این دوره از 5 تیر 96 آغاز شده و طول این دوره 6 هفته است.
در این دوره با فریم ورک CNTK یا Microsoft Cognitive Toolkit آشنا خواهید شد.
Free EDX Course: " Deep Learning Explained "
Starts - Jun 27, 2017
Course Syllabus:
Week 1: Introduction to deep learning and a quick recap of machine learning concepts.
Week 2: Building a simple multi-class #classification model using logistic regression
Week 3: Detecting digits in hand-written digit image, starting by a simple end-to-end model, to a deep neural network
Week 4: Improving the hand-written digit #recognition with #convolutional network
Week 5: Building a model to forecast time data using a #recurrent network
Week 6: Building text data application using recurrent #LSTM (long short term memory) units
🔗 https://www.edx.org/course/deep-learning-explained-microsoft-dat236x
#course #Microsoft #edx #deep_learning #CNTK
دوره رایگان آموزش مبانی یادگیری عمیق توسط ماکروسافت
این دوره از 5 تیر 96 آغاز شده و طول این دوره 6 هفته است.
در این دوره با فریم ورک CNTK یا Microsoft Cognitive Toolkit آشنا خواهید شد.
Free EDX Course: " Deep Learning Explained "
Starts - Jun 27, 2017
Course Syllabus:
Week 1: Introduction to deep learning and a quick recap of machine learning concepts.
Week 2: Building a simple multi-class #classification model using logistic regression
Week 3: Detecting digits in hand-written digit image, starting by a simple end-to-end model, to a deep neural network
Week 4: Improving the hand-written digit #recognition with #convolutional network
Week 5: Building a model to forecast time data using a #recurrent network
Week 6: Building text data application using recurrent #LSTM (long short term memory) units
🔗 https://www.edx.org/course/deep-learning-explained-microsoft-dat236x
#course #Microsoft #edx #deep_learning #CNTK
edX
Deep Learning Explained
Learn an intuitive approach to building the complex models that help machines solve real-world problems with human-like intelligence.
#خبر #آموزش
فیلمهای سمینار زمستانهی شریف 2016 در کانال یوتیوب سمینار آپلود شده است.
فیلم ارائه دکتر علی اسلامی با موضوع
Beyond Supervised Deep Learning
شدیدا توصیه میشود.
Sharif Winter Seminar Series
🎥 https://www.youtube.com/channel/UC5-ct_yxHQJTYJP3TkeEDmQ
⏱ مورخ 8 و 9 دی 1395
مطالب مرتبط:
مباحث مرتبط به یادگیری ژرف در سمینار زمستانه شریف: https://news.1rj.ru/str/cvision/44
صوت ضبط شده ی دکتر اسلامی در 8 دی 96 در سمینار زمستانی شریف: https://news.1rj.ru/str/cvision/92
اسلایدهای ارائه دکتر اسلامی در 8 دی 95 در سمینار زمستانی شریف: https://news.1rj.ru/str/cvision/78
اسلایدهای ارائه دکتر اسلامی در سمینار 11 دی 96 دانشگاه تهران: https://news.1rj.ru/str/cvision/80
فیلم ارائه دکتر علی اسلامی در سمینار 11 دی 95 دانشگاه تهران: https://news.1rj.ru/str/cvision/103
#deep_learning #Ali_Eslami #Vision #seminar
#سمینار
فیلمهای سمینار زمستانهی شریف 2016 در کانال یوتیوب سمینار آپلود شده است.
فیلم ارائه دکتر علی اسلامی با موضوع
Beyond Supervised Deep Learning
شدیدا توصیه میشود.
Sharif Winter Seminar Series
🎥 https://www.youtube.com/channel/UC5-ct_yxHQJTYJP3TkeEDmQ
⏱ مورخ 8 و 9 دی 1395
مطالب مرتبط:
مباحث مرتبط به یادگیری ژرف در سمینار زمستانه شریف: https://news.1rj.ru/str/cvision/44
صوت ضبط شده ی دکتر اسلامی در 8 دی 96 در سمینار زمستانی شریف: https://news.1rj.ru/str/cvision/92
اسلایدهای ارائه دکتر اسلامی در 8 دی 95 در سمینار زمستانی شریف: https://news.1rj.ru/str/cvision/78
اسلایدهای ارائه دکتر اسلامی در سمینار 11 دی 96 دانشگاه تهران: https://news.1rj.ru/str/cvision/80
فیلم ارائه دکتر علی اسلامی در سمینار 11 دی 95 دانشگاه تهران: https://news.1rj.ru/str/cvision/103
#deep_learning #Ali_Eslami #Vision #seminar
#سمینار
YouTube
Winter Seminar Series - WSS
Winter Seminar Series - WSS
Advanced Topics in Computer Science and Engineering
Sharif University of Technology
Students' Scientific Chapter
سری سمینارهای زمستانه
مباحث پیشرفته در علوم و مهندسی کامپیوتر
دانشگاه صنعتی شریف
http://wss-sharif.com
Advanced Topics in Computer Science and Engineering
Sharif University of Technology
Students' Scientific Chapter
سری سمینارهای زمستانه
مباحث پیشرفته در علوم و مهندسی کامپیوتر
دانشگاه صنعتی شریف
http://wss-sharif.com
Media is too big
VIEW IN TELEGRAM
#ارائه_علمی
فیلم ارائه دکتر علی اسلامی در سمینار زمستانه شریف 95
ALI ESLAMI, GOOGLE DEEPMIND
TITLE: Beyond Supervised Deep Learning
فیلم ارائه دکتر علی اسلامی در سمینار زمستانه شریف 95
ALI ESLAMI, GOOGLE DEEPMIND
TITLE: Beyond Supervised Deep Learning
Convex Optimization
Complete Playlist for the Course:
https://www.youtube.com/view_play_list?p=3940DD956CDF0622
EE 364A Course lectures:
http://stanford.edu/class/ee364a/lectures.html
Complete Playlist for the Course:
https://www.youtube.com/view_play_list?p=3940DD956CDF0622
EE 364A Course lectures:
http://stanford.edu/class/ee364a/lectures.html
YouTube
Lecture Collection | Convex Optimization - YouTube
Stanford Electrical Engineering Course on Convex Optimization.
Oxford Deep NLP 2017 course lecture notes and videos
🔗 https://github.com/oxford-cs-deepnlp-2017/lectures
#deep_learning #NLP #course #video #oxford
🔗 https://github.com/oxford-cs-deepnlp-2017/lectures
#deep_learning #NLP #course #video #oxford
GitHub
GitHub - oxford-cs-deepnlp-2017/lectures: Oxford Deep NLP 2017 course
Oxford Deep NLP 2017 course. Contribute to oxford-cs-deepnlp-2017/lectures development by creating an account on GitHub.