#مقاله، رویکرد جالب به حذف occlusion با شبکه ترکیبی segmentation و GAN

SeGAN: Segmenting and Generating the Invisible

https://openaccess.thecvf.com/content_cvpr_2018/papers/Ehsani_SeGAN_Segmenting_and_CVPR_2018_paper.pdf

🔸کتابخانه Auto-Keras

🔹 Auto-Keras is an open source software library for automated machine learning (AutoML) and Deep Learning . alternative to Google’s AutoML !!

🔹example :

import autokeras as ak
clf = ak.ImageClassifier()
clf.fit(x_train, y_train)
results = clf.predict(x_test)

Repo github: https://github.com/keras-team/autokeras

#کراس #پایتون #یادگیری_عمیق #یادگیری_ماشین
#keras
🙏Thanks to: @AI_Python

#آموزش #دوره_آموزشی #ویدئو
فیلم دوره آموزشی 12 ساعته مقدمات یادگیری عمیق با #Keras که توسط انجمن علمی کامپیوتر دانشگاه تربیت دبیر شهید رجایی تهیه شده است برای فروش در دسترس قرار گرفت.
فیلم مدرس و کپچر صفحه مدرس تدوین شده است.

برای اطلاعات بیشتر و خرید:
https://class.vision/deeplearning-keras/

مباحث:
بخش اول: مقدمه ای بر یادگیری ماشین و کار با تصویر در پایتون
بخش دوم: شبکه های عصبی
بخش سوم: پیاده سازی شبکه های عصبی در
Kerasبخش چهارم: طبقه بندی اعداد دست نویس فارسی
بخش پنجم: شبکه های کانولوشنالی – تئوری
بخش ششم: شبکه های کانولوشنالی – عملی
بخش هفتم: شبکه عصبی های کانولوشنال عمیق حائز رتبه و معروف
بخش هشتم: انتقال یادگیری
بخش نهم: رگرسیون - مدلهای چند ورودی/چند خروجی در کراس - functional API در کراس

مدرس: علیرضا اخوان پور
برگزار کننده: انجمن علمی کامپیوتر دانشگاه شهید رجایی
کدها و اسلایدهای دوره برای عموم در دسترس است:
https://github.com/Alireza-Akhavan/SRU-deeplearning-workshop/


#keras #deeplearning

ارائه آشنایی با پردازش تنسوری مبتنی بر رایانش ابری گوگل برای یادگیری عمیق
حضور برای عموم آزاد و رایگان است
شنبه 4 خرداد ساعت 12:15
دانشکده کامپیوتر پلی تکنیک
#خرداد1398
#Google #Colab #TPU #Machine_Learning #Deep_Learning #TensorFlow
#Tehran #AUT #CEIT

#آموزش
سطح: مبتدی و متوسط

یادگیری عمیق را از کجا شروع کنیم؟

https://class.vision/deeplearning-learning-path/

#آموزش
دوره آموزشی یادگیری عمیق و پیاده سازی در #keras

دو ساعت و نیم نخست دوره آموزشی Deep Learning برای ارزیابی خریداران بر روی آپارات قرار گرفت.

https://aparat.com/v/0xgm5

همچنین کد پروژه های انجام شده و اسلایدها برای عموم در دسترسی است:
https://github.com/Alireza-Akhavan/SRU-deeplearning-workshop/


برای خرید این دوره میتوانید از طریف این لینک اقدام کنید

https://class.vision

مدرس: علیرضا اخوان‌پور
برگزار کننده: انجمن علمی کامپیوتر دانشگاه شهید رجایی
قیمت: 100.000 تومان
لینک خرید: https://class.vision/deeplearning-keras/

در صورتی که توان مالی ندارید و این دوره میتواند گره گشای کار شما باشد با ایمیل [email protected] مکاتبه نمائید.

#آموزش #کورس
A machine learning course with Python.

Machine Learning Basics
Supervised learning
Unsupervised learning
Deep Learning

https://github.com/machinelearningmindset/machine-learning-course

🙏Thanks to : @thedevs & @MH_Sattarian

#آموزش

همانطور که میدانید چند وقتیه که گوگل کولب GPUهای Tesla V4 با مشخصات زیر را به صورت رایگان در اختیار محققان قرار داده

16GB of VRAM
160 TFLOPS of GPU power

اما این که چه موقع GPUی K80بهتون بده چه موقع Tesla V4 دست خودتون نیست،
ممکنه به دلایلی مثل استفاده از GPU قوی تر یا مثلا عدم ساپوت K80 از کد شما (مثل دیتابیس Blazing SQL که روی Tesla V4 اجرا میشه ولی روی K80 نه!) میخواهید حتما از تسلا استفاده کنید.
برای اینکار فعلا تنها راهی که من میدونم میشه کرد اینه که کرنلتون را ریست کنید:

Runtime -> Reset all runtimes...

حالا از کجا بفهمیم چه GPUی بهمون داده؟
یه روش ساده که استفاده از دستور

!nvidia-smi

تو نوت بوکه.
روش دیگه اینه که کد زیر را اول نوت بوک یا کد پایتونیتون بزارید که اگر GPU مورد نظرمون را بهمون نداده بود Exception بده!

import pynvml


pynvml.nvmlInit()
handle = pynvml.nvmlDeviceGetHandleByIndex(0)
device_name = pynvml.nvmlDeviceGetName(handle)

if device_name != b'Tesla T4':
  raise Exception("""
    Unfortunately this instance does not have a T4 GPU.
    
    Please make sure you've configured Colab to request a GPU instance type.
    
    Sometimes Colab allocates a Tesla K80 instead of a T4. Resetting the instance.

    If you get a K80 GPU, try Runtime -> Reset all runtimes...
  """)
else:
  print('Woo! You got the right kind of GPU!')

#colab #tesla #GPU

SQL on RAPIDS AI
BlazingSQL provides a simple SQL interface to ETL massive datasets into GPU memory and the RAPIDS AI Ecosystem

https://blazingdb.com/

2 Minutes to BlazingSQL
https://docs.blazingdb.com/docs/using-blazingsql

میتونید آنلاین روی GPUی گوگل کولب تست کنید:

https://colab.research.google.com/drive/1r7S15Ie33yRw8cmET7_bjCpvjJiDOdub#scrollTo=8AdUt3HiUrc3

#خبر #کورس

کمپین Kickstarter برای برگزاری کورس آموزش هوش مصنوعی، ۳۰۰ هزار دلار در ۲۵ ساعت اول کمک مالی از مردم دریافت کرده است👍


OpenCV.org Kickstarter Campaign for Creating AI Courses Has Raised $300k in 25 hours

این کورس شامل مباحث زیر خواهد بود،
Computer Vision I: Introduction 
Computer Vision II: Applications 
Deep Learning with PyTorch

این سایت در کنار سایتهایی نظیر کورسرا، udacity و deeplearning.ai کورس برگزار خواهد کرد،
به گفته مسئولان رقابتی در کار نیست:

“We are not in competition with Coursera, Udacity, or DeepLearning.ai. These organizations, along with OpenCV.org, are on a mission to train the global workforce in Artificial Intelligence and it will take an extraordinary effort from all of us to accomplish this monumental task. Our courses are geared toward absolute beginners who have adequate programming skills but have no experience in AI,” said Dr. Satya Mallick, Interim CEO, OpenCV.org.

https://www.prweb.com/releases/opencv_org_kickstarter_campaign_for_creating_ai_courses_has_raised_300k_in_25_hours/prweb16329014.htm

#مقاله #سورس_کد

حذف اشیاء از ویدیو با کیفیت عالی
Deep Flow-Guided Video Inpainting (#CVPR2019)

🎥Video Demo:
https://www.dropbox.com/s/2avcy30mleqi5vk/supplementary_cvpr_2019.mp4?dl=0

🔗project page:
https://nbei.github.io/video-inpainting.html

🔗paper:
https://arxiv.org/abs/1905.02884

🔗source code:
https://github.com/nbei/Deep-Flow-Guided-Video-Inpainting
(به زودی منتشر خواهد شد)
#Inpainting

#معرفی #کانال مرتبط
هوش مصنوعی و سیستم های خبره؛ برنامه نویسی پایتون؛ یادگیری ماشین
https://t.iss.one/ai_python

رابط کاربری برای پیاده‌سازی در fastai بدون نیاز به کد زدن!

Implementing a user friendly interface without the need to dig into the code for fastai

https://twitter.com/jeremyphoward/status/1132139239062118401

https://github.com/asvcode/Vision_UI

بهبود کارایی در مسئله object detection به وسیله Deformable Convolutional Networks

https://towardsdatascience.com/review-dcn-deformable-convolutional-networks-2nd-runner-up-in-2017-coco-detection-object-14e488efce44

رابط کاربری برای پیاده‌سازی در fastai بدون نیاز به کد زدن!

https://t.iss.one/cvision/1267

#fastai

فریم ورک horovod برای پیاده سازی و استفاده سریع و آسان یادگیری عمیق با فریم ورک های TensorFlow, Keras, PyTorch, and MXNet

Horovod is a distributed training framework for TensorFlow, Keras, PyTorch, and MXNet. The goal of Horovod is to make distributed Deep Learning fast and easy to use.

https://github.com/horovod/horovod

#آموزش
جراحی مدل آموزش دیده شده!
آیا میتوان وزن های اضافی را بعد آموزش مدل حذف کرد که بتوانیم به مدل سبک تر برای embedded system ها برسیم؟

قبلا در آموزش Tensorflow Optimization Toolkit دیدیم که می‌توانیم وزن های شبکه عصبی را با این روش هرس کرد و به مدل سبک تر رسید.


این پست نیز روشی مرتبط را معرفی کرده که البته بعد از آموزش میتوانیم با سیاستهایی که داریم تصمیم به حذف یک سری فیلترهای کانولوشنالی بگیریم.
همچنین در برخی از آزمایش ها علاوه بر کاهش حجم مدل دقت نیز افزایش پیدا کرده است.

Model Pruning in Keras with Keras-Surgeon

https://medium.com/@anuj_shah/model-pruning-in-keras-with-keras-surgeon-e8e6ff439c07

#آموزش
دوره آموزشی یادگیری عمیق و پیاده سازی در #keras

دو ساعت و نیم نخست دوره آموزشی Deep Learning برای ارزیابی خریداران بر روی آپارات قرار گرفت.

https://aparat.com/v/0xgm5

همچنین کد پروژه های انجام شده و اسلایدها برای عموم در دسترسی است:
https://github.com/Alireza-Akhavan/SRU-deeplearning-workshop/


برای خرید این دوره میتوانید از طریف این لینک اقدام کنید

https://class.vision

مدرس: علیرضا اخوان‌پور
برگزار کننده: انجمن علمی کامپیوتر دانشگاه شهید رجایی
قیمت: 100.000 تومان
لینک خرید: https://class.vision/deeplearning-keras/

سطح دوره مقدماتی است و برای دوستانی که میخواند تازه شروع کنند مناسبه