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
#خبر
در این خبر تعداد 27,000 پردازنده گرافیکی یا GPU در آزمایشگاه ملی Oak Ridge برای اجرای مدل تنسرفلو جهت تشخیص الگوهای آب و هوایی و پیش بینی آینده استفاده شده است...

#tensorflow
#مقاله

The Evolved Transformer
The Evolved Transformer: They perform architecture search on Transformer's stackable cells for seq2seq tasks. “A much smaller, mobile-friendly, Evolved Transformer with only ~7M parameters outperforms the original Transformer by 0.7 BLEU on WMT14 EN-DE.”
https://arxiv.org/abs/1901.11117

The Evolved Transformer is twice as efficient as the Transformer in FLOPS without loss in quality.

#seq2seq
available_pretrained_models.pdf
55.6 KB
مدل های pretrained و عنوان مقالاتشان

🙏Thanks to: @AM_Ghoreyshi

#pretrained

#caffe #tensorflow #keras #pytorch
#کورس #آموزش #منبع
سایت کورس یادگیری عمیق دانشگاه واشنگتن مربوط به نویسنده های مقاله Yolo
Joseph Redmon, Ali Farhadi
اسلایدها و مطالب درسی قابل مشاهده است.
https://courses.cs.washington.edu/courses/cse599g1/18au/

🙏Thanks to: @MH_Sattarian
خاص ترین Introduction :)
YOLOv3 still has the best introduction for any paper I've read so far
https://pjreddie.com/media/files/papers/YOLOv3.pdf
#مقاله
Approximating CNNs with Bag-of-local-Features models works surprisingly well on ImageNet

https://openreview.net/forum?id=SkfMWhAqYQ
#مقاله

یک ایده خاص! شبیه ایده ی bag of vectors یا bag of words اما در تصویر!

این مقاله از ویژگی های محلی استفاده کرده و به ارتباط مکانی ویژگی ها کاری ندارد. با این وجود تنها با patchهای ۱۷ در ۱۷ به دقت معادل شبکه الکس نت رسیده است.
در این شبکه هر کلاس یک heatmap خواهد داشت که در نهایت روی میانگین روی هر heatmap تنها تابع فعالیت softmax اعمال میشود.
از مهمترین ویژگی های این شبکه تفسیر پذیری بالای آن است.

"Approximating CNNs with Bag-of-local-Features models works surprisingly well on ImageNet"

A "bag of words" of nets on tiny 17x17 patches suffice to reach AlexNet-level performance on ImageNet.
A lot of the information is very local.

https://news.1rj.ru/str/cvision/984
#مقاله
تفسیر پذیری شبکه ی #BagNet

اطلاعات بیشتر : https://news.1rj.ru/str/cvision/985
Forwarded from Python_Labs🐍 (Alireza Akhavan)
#خبر #حقوق
چرا استخدام یک تحلیلگر داده گران است؟! دلیل حقوق 140 هزار دلاری تحلیلگر داده در امریکا...

Data Scientists: Why are they so expensive to hire?
https://www.kdnuggets.com/2019/02/data-scientists-expensive-hire.html
#مقاله #سورس_کد
#face #cvpr2018 #face

یکی از کارهای جدید روی بازشناسی چهره با تمرکز روی زاویه چهره:

Pose-Robust Face Recognition via Deep Residual Equivariant Mapping
https://arxiv.org/abs/1803.00839

This is the public repository for our accepted CVPR 2018 paper "Pose-Robust Face Recognition via Deep Residual Equivariant Mapping"

پیاده سازی این مقاله با پای تورچ است.
🙏Thanks to : @samehraboon
#آموزش

from keras.utils import plot_model


برای رسم گرافیکی گراف مدلتان در #keras در ویندوز علاوه بر نصب پکیج مورد تیاز با

conda install pydot graphviz

نیاز دارید مسیر نصب هم در PATH ویندوز اضافه کنید. بمسیر فایل اجرایی در جایی مثل زیر خواهد شد:

C:\Anaconda3\pkgs\graphviz-2.38-hfd603c8_2\Library\bin\graphviz
#مقاله
#batchnorm

Fixup Initialization: Residual Learning Without Normalization

اگر علاقه مندید مدل های عمیق را بدون استفاده از batchnorm آموزش بدید، یا براتون سواله چرا batchnorm می تواند به آموزش مدلهای عمیق کمک کند، مقاله زیر را بررسی کنید!


https://arxiv.org/abs/1901.09321
#خبر
AAAI Conference Analytics
People most-cited by AAAI papers shows 25 years of AI history. 1990s greats:

https://www.microsoft.com/en-us/research/project/academic/articles/aaai-conference-analytics/
#آموزش
Keras: Multiple Inputs and Mixed Data
https://www.pyimagesearch.com/2019/02/04/keras-multiple-inputs-and-mixed-data/

اگر خاطرتان باشد در https://news.1rj.ru/str/cvision/955 گفته شد: "هوشمنداته ترین روش این است که ترکیب پارادایم های imperative و symbolic را استفاده کنید". در این آموزش میتوانید با یک مثال عملی ببینید.

#keras #symbolic #imperative #Multiple_Input