گوگل ابزار یافتن اتوماتیک باگ در کدهای پایتون رو بصورت opensource در github قرار داده

Github Link

اما اگه خواستید بدونید این ابزار چقدر مهمه توجه شمارو به این خبر سال ۲۰۱۸ جلب می‌کنم

Google Automatic Bug Finder Already Found More Than 9.000 Vulnerabilities

ازین به بعد توی پروژه‌های پایتون سعی کنید ازین ابزار استفاده‌ کنید، مخصوصاً دوستانی که
Django/Flask/FastApi
کار می‌کنند، یادتون باشه این ابزار از حالا در اختیار هکرها هم هست.
اگر فکر می‌کنید سایت و پروژه شما مگه چیه که برای هکرها اهمیت داشته باشه، یادتون باشه کسی کل رزومه رو بررسی نمی‌کنه 😉😬

عذرخواهی می‌کنم اما لازمه چندتا نکته رو بگم چون خیلی زیاد بنده رو Mention می‌کنند بابتش :

۱- تایید دوره و کلاس و آموزش :
خیر بنده به هیچ‌وجه اینکارو نمی‌کنم، چون هدف برگزاری هر دوره افراد حاضر در دوره و حتی سطح علمی افراد و اینکه با چه هدفی توی دوره شرکت می‌کنند بسیار متفاوت هست

۲- معرفی یا تایید کتاب‌ فارسی :
کاملاً مخالف خوندن کتاب فارسی هستم، مگر اینکه هدف گرفتن نمره قبولی یک آزمون و امتحان باشه، بنظرم بدترین کار دنیا هم ترجمه کردن کلمات تخصصی به فارسی سخت هست.

۳- تبلیغات بطور کلی نداریم، دوره آموزشی و کلاس و کتاب و ... هرچیزی (از اول هم همینطور بوده)
بخشی هم به دلایلی هست که پیشتر گفتم

۴- هیچ تصمیمی برای برگزاری دوره آموزشی ندارم، حتی خصوصی،
کلی گروه هست که بنده هم عضو هستم، تاجایی که سوالات خوبی پرسیده بشه و وقت هم اجازه بده به محض دیدن جواب میدم حتماً و خوشحال میشم تو گروها بتونم به دوستان کمک کنم.

۵- اکثر کتاب‌ها و مطالبی که معرفی می‌شه رو شخصاً مرور داشتم و بنظرم مفید میاد و به همین دلیل با دیگران به اشتراک میذارم.

۶- سعی می‌کنم مطالب تکراری یا توضیحات اضافی رو قرار ندم، خیلی از موارد رو وقتی توی پروژه‌ها یا مصاحبه‌های کاری می‌بینم یا چالش دوستان هست وقتی راه‌حلی براش پیدا می‌کنم، اینجا هم به اشتراک میذارم (خیلی نمیشه وارد جزئیات شد اما اگر همچین مشکلی بخورید ۱۰۰٪ راه حل و مسیر درست رو میدونید)

عذرخواهی می‌کنم اگر کمی طولانی شد و به موضوع گروه هم مربوط نبود، اما لازم به توضیح بود 🌹

#خارج_از_بحث

الان شما بیا همین رو فارسیش کن در اختیار بچه‌های مدرسه‌ای و کنکوری بذار
ی اسم هم کنارش بزن که هیچ مفهومی نداشته باشه
اولشم ی کلمه انتشارات + یکی از رنگ‌های مدنظر رو بذار تبریک می‌گم
کارآفرین نمونه شدید

قبلاً چندین بار راجب
Federated Learning
صحبت شده،

Flower
ی فریمورک برای ساده‌ کردن کار و کم کردن حجم کد مورد نیاز برای مدل‌های تنسورفلو

Link to blog

چند روز پیش یکی از دوستان (دکتر عسگری) ی پست گذاشت از اضافه شدن
Terminal
به گوگل کولب البته نسخه pro, اولش فکر کردم خب چه نیازی به این هست وقتی دستورات رو توی cell ها هم میشه اجرا کرد، تا اینکه لازم شد چندتا از پکیج‌های اصلی سیستم‌عاملی کولب رو آپدیت کنم و من کولب پرو هم ندارم.

اما می‌شه روی کولب رایگان JupyterLab هم راه اندازی کرد 😎

دستوراتی که در زیر اومده رو توی یکی از cellها اجرا کنید، البته توی این دستورات پایتون هم به ورژن ۳.۸ آپدیت می‌شه، لذتشو ببرید 🌹

!wget -qO ac.sh https://repo.anaconda.com/archive/Anaconda3-2020.07-Linux-x86_64.sh
!bash ./ac.sh -b

!ln -s /usr/local/lib/python3.6/dist-packages/google \
/root/anaconda3/lib/python3.8/site-packages/google

# Python3.8 activation
!nohup /root/anaconda3/bin/jupyter-lab --ip=0.0.0.0&

# access through ngrok
!pip install pyngrok -q
from pyngrok import ngrok
print(ngrok.connect(8888))

♥️ R.I.P CentOS ♥️

How to generate super resolution images using TensorFlow Lite on Android

Blog post link

برای اونهایی که علاقمند به موضوع جذاب و فوق‌العاده
Speech, wave , sound
هستند، این مدل ۵ صدای مختلف رو همزمان از هم جدا می‌کنه (البته فکر می‌کنم noise رو هم یاد میگیره و از بین می‌بره هنگام جداسازی) و صداهای تفکیک شده رو تحویل میده

GitHub Link

End to End video instance segmentation with transformers


Arxiv Link

توی ۲ هفته گذشته، شایدم کمی بیشتر درحال آشنایی بیشتر با دیتای sound بودم (شاید بهتره بگم سیگنال). خیلی وقتا خیلی از دوستان رو می‌بینم که هنوز هیچ چیزی از داده نمی‌دونند میرن سراغ مدلسازی و optimize کردن مدل و گرفتن خروجی بهتر، البته همین خروجی بهتر رو هم درک نمی‌کنم، وقتی شما هنوز داده رو متوجه نشدی چطور می‌تونی بهتر یا بدتر شدن خروجی رو تشخیص بدی !؟

کسی که داده رو متوجه نشه، به هیچ‌وجه نمی‌تونه تابع هدف درست رو مشخص کنه برای همین ۹۹٪ وقتم روی شناخت از سیگنال و بطور خاص sounds wav گذاشتم (شاید در پست دیگری چند کتاب و منبع برای درک بهتر صدا بذارم، البته ی چندتایی از این منابع مربوط به موسیقی شناسی بود که خب خیلی از بخش‌ها شاید بکار ما نیاد) و امروز شروع به کد زدن کردم، برای اینکه مطمئن بشم داده رو درست فهمیدم، اول با ی مسئله ساده شروع کردم (دسته بندی چند نوع صدا) ورودی‌های مختلفی رو باهاش تست کردم برای حصول اطمینان از درک داده:
Spectrogram, MelSpectrogram, MFCC, ...
توی همه‌ی موارد خروجی گرفتم و مطمئن شدم دیتارو متوجه شدم.

مساله دومی که برای کارم تعریف کردم، جداسازی صدای اصلی از صدای background و خروجی دادن هر ۲ صدا بصورت مجزا بود (البته بعداً جداسازی noise از صدای اصلی رو هم بهش اضافه کردم)

چون درک درستی از داده و ویژگی و ... داشتم، مدلی که طراحی کردم بسیار جالب شد، اگر دیتا بصورت RealTime باشه (سربار api و ... رو که باعث مقداری تأخیر می‌شه رو اگر حذف کنیم) خروجی هم RealTime هست و اگر بعنوان مثال دیتا صدای ضبط شده 1 ساعت صحبت باشه با noise , background sounds های مختلف توی کمتر از ۱۵ دقیقه خروجی آماده خواهد بود (البته مدل quantize , ... نشده هنوز) و مهمتر اینکه این خروجی برای
Single Core Single CPU
هست.
خروجی که بعد از این متن قرار خواهم داد، ۳ تا شرایط مختلف هست، مهمترین بخش راجب این خروجی اینه که :

مدل فقط برای 2تا epoch آموزش دیده،
تعداد پارامترهای مدل : 23,351,745
روی 1 کارت گرافیک 1080Ti آموزش دیده
و زمان لازم برای آموزش هر epoch هم ۴۳ دقیقه بود.

توی این متن خواستم اهمیت داده رو بیشتر و بیشتر روش تاکید داشته باشم، امیدوارم مفید باشه 🌹

#خارج_از_بحث

این موضوع خارج از بحث یادگیری عمیق هست، اما شاید جالب باشه و بدونید که چقدر صداها اهمیت داره
خیلی قبل‌تر (شاید ۱ سال قبل) هم راجب استخراج صداها از روی فیلم ضبط شده از چیزی مثل بسته‌بندی پفک فیلمی رو قرار دادم. این فیلم مربوط به نیروی دریایی ایالات متحده و اهمیت آنالیز Passive Sonar هست.

YouTube Video

https://news.1rj.ru/str/pytens/110

پست مربوط به استخراج صدا از تصویر و فیلم براساس ارتعاش اجسام (مثل بسته‌بندی پفک و ...)

AdaBelief Optimizer
جایگزین مناسبی برای Adam , SGD

پیشنهاد ویژه

Github Link