تا دقایقی دیگر این رویداد با حضور افرادی مثل Ian goodfellow و Andrew Ng و ... شروع خواهد شد.

لینک ویدئو ضبط شده رویداد:


https://youtu.be/9d4jmPmTWmc

AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE
(Submitted paper at ICLR 2021)

https://openreview.net/pdf?id=YicbFdNTTy

آشنایی بیشتر با شبکه‌های عصبی کانولوشنی (CNN) با مشاهده نحوه پردازش و مراحل متداول آن‌ها، داخل مرورگر:

https://poloclub.github.io/cnn-explainer/

کاری از دانشگاه جورحیا، منبع

+ اطلاعات بیشتر

#رویداد #آنلاین #لایو
لایو اینستاگرامی هوش مصنوعی

زمان: شنبه ساعت ۲۰:۳۰

#هوش_مصنوعی
https://www.instagram.com/p/CGDFT78g3BI/?igshid=4069qhjh8qov

➖➖➖➖➖➖➖➖➖
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورک‌شاپ، کلاس و ... تشکیل شده است.

@eventai

پایتون ۳.۹ منتشر شد

https://docs.python.org/3/whatsnew/3.9.html

#منبع #آموزش
دوره‌ی deep learning دانشگاه NYU که توسط اساتید بزرگی نظیر Yann LeCun و Alfredo Canziani ارائه شد و به 11 زبان دنیا از جمله فارسی موجوده:

انگلیسی:
https://atcold.github.io/pytorch-Deep-Learning/

فارسی:
https://atcold.github.io/pytorch-Deep-Learning/fa/

#آموزش #سورس_کد
استفاده از pearson correlation به عنوان loss برای تسک های رگرسیون

https://colab.research.google.com/github/stoerr/machinelearning-tensorflow/blob/master/published/CorrelationLossTest.ipynb#scrollTo=jLnr6JerraGn

#آموزش #سورس_کد

در این آموزش ساده که اخیرا به مستندات سایت تنسرفلو اضافه شد، 4 کلمه را با محاسبه اسپکتوگرام و بعد با خوراندن به یک شبکه کانولوشنالی ساده طبقه بندی کرده اند:
New audio recognition tutorial (thanks Carlos!) using the Speech Commands Dataset ("up", "down", "left", "right"):

https://www.tensorflow.org/tutorials/audio/simple_audio

مرتبط با موضوع
Sound classification with YAMNet:
https://www.tensorflow.org/hub/tutorials/yamnet

#مقاله #سورس_کد
NeRF++: Analyzing and Improving Neural Radiance Fields
https://arxiv.org/abs/2010.07492
https://github.com/Kai-46/nerfplusplus

این سایت را هر بار که باز کنید یا رفرش کنید یک چهره ی جدید به شما نشان میدهد که نکته ی جالبش اینه که چهره ها وجود خارجی نداشته و توسط شبکه های GAN تولید شده اند...
https://thispersondoesnotexist.com/

دوستان مشکلی برای سایت پیش آمده و امروز خرید دوره یا دانلود دوره های خریداری شده امکان پذیر نیست. لطفا صبر پیشه کنید تا در اسرع وقت مشکل برطرف شود. پس از رفع مشکل اطلاع رسانی خواهد شد.

خودروی تسلا که از محلی که به دلیل بارون آب گرفتگی رخ داده است بدون سرنشین خارج شده و به سمت راننده می آید...

دوستان مشکل سایت مرتفع شد.

class.vision

با تشکر از صبر شما و پوزش به دلیل مشکل

پیرامون این تابع لاس،
با دانش فعلی بنده، این طور به نظر میرسه که از اونجایی که جنس این loss funxtion از نوع correlation هست جاهایی که شباهت خطی مجموعه نقاط خروجی شبکه با خروجی مورد انتظار (ground truth) برامون اهمیت داره این لاس میتونه کارو بهتر کنه.
اما جاهایی که مقادیر خودشون به تنهایی اهمیت دارند همون توابع ساده مثل mse و mae کفایت میکنه.
مثلا تو تخمین قیمت از همون توابع ساده باید استفاده شه، اما فرض کنید با نگاه به چهره ی فرد میخوایم ضربان قلبشو تشخیص بدیم، چون این ترند نوسان مقادیر تو مثلا 40 فریم متوالی برامون به مراتب مهمتره از تک تک مقدارهای نقطه به نقطه ی هر لحظه است، برای آموزش از لاس پیرسون استفاده میکنیم.

AdaBelief Optimizer: fast as Adam, generalizes as good as SGD, and sufficiently stable to train GANs. (NeurIPS 2020)

Project page: https://juntang-zhuang.github.io/adabelief/
Paper: https://arxiv.org/abs/2010.07468
GitHub: https://github.com/juntang-zhuang/Adabelief-Optimizer

مقاله‌ی بسیار مفید برای بررسی تفاوت‌های بازشناسی اشیا در مغز و شبکه‌های عصبی فیت فوروارد،‌ معرفی MIRC و بررسی حساسیت‌های آن.
https://www.pnas.org/content/113/10/2744
#cognitive
#neuroscience

اینارو هم میتونید امتحان کنید:
https://thishorsedoesnotexist.com اسب
https://thiscatdoesnotexist.com گربه
https://thischemicaldoesnotexist.com ماده شیمیایی

همه این تصاویر توسط مدل فوق العاده StyleGAN v2 که توسط Nvidia ارائه شده، تولید می شوند

لینک پیاده سازی :
https://github.com/NVlabs/stylegan2
لینک مقاله:
https://arxiv.org/abs/1912.04958