Forwarded from Python_Labs🐍
#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/
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
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
Google
CorrelationLossTest
Run, share, and edit Python notebooks
#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
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
TensorFlow
Simple audio recognition: Recognizing keywords | TensorFlow Core
This media is not supported in your browser
VIEW IN TELEGRAM
#مقاله #سورس_کد
NeRF++: Analyzing and Improving Neural Radiance Fields
https://arxiv.org/abs/2010.07492
https://github.com/Kai-46/nerfplusplus
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/
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.
This media is not supported in your browser
VIEW IN TELEGRAM
خودروی تسلا که از محلی که به دلیل بارون آب گرفتگی رخ داده است بدون سرنشین خارج شده و به سمت راننده می آید...
Tensorflow(@CVision)
#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
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.
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.
This media is not supported in your browser
VIEW IN TELEGRAM
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
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
https://www.pnas.org/content/113/10/2744
#cognitive
#neuroscience
PNAS
Atoms of recognition in human and computer vision
Discovering the visual features and representations used by the brain to recognize objects is a central problem in the study of vision. Recent successes in computational models of visual recognition naturally raise the question: Do computer systems and the…
Tensorflow(@CVision)
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/
اینارو هم میتونید امتحان کنید:
https://thishorsedoesnotexist.com اسب
https://thiscatdoesnotexist.com گربه
https://thischemicaldoesnotexist.com ماده شیمیایی
https://thishorsedoesnotexist.com اسب
https://thiscatdoesnotexist.com گربه
https://thischemicaldoesnotexist.com ماده شیمیایی
Tensorflow(@CVision)
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
لینک پیاده سازی :
https://github.com/NVlabs/stylegan2
لینک مقاله:
https://arxiv.org/abs/1912.04958
#آموزش #ویدیو #کورس #رایگان
Machine Learning for Healthcare
https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-s897-machine-learning-for-healthcare-spring-2019/
Machine Learning for Healthcare
https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-s897-machine-learning-for-healthcare-spring-2019/
MIT OpenCourseWare
Machine Learning for Healthcare | Electrical Engineering and Computer Science | MIT OpenCourseWare
This course introduces students to machine learning in healthcare, including the nature of clinical data and the use of machine learning for risk stratification, disease progression modeling, precision medicine, diagnosis, subtype discovery, and improving…
Neural-Network Can Identify a Melody Through Musicians' Body Movements
https://interestingengineering.com/neural-network-can-identify-a-melody-through-musicians-body-movements
https://interestingengineering.com/neural-network-can-identify-a-melody-through-musicians-body-movements
Interesting Engineering
Neural-Network Can Identify a Melody Through Musicians' Body Movements
When watching a group of musicians, we differentiate who is playing with the help of our eyes. Researchers developed a new AI tool that just imitates this process.
Forwarded from Shenasa-ai.ir
#بیست_دقیقه_با_مقاله
#rppg
موضوع:
Remote Heart Rate Measurement from Highly Compressed Facial Videos: an End-to-end Deep Learning Solution with Video Enhancement“ ICCV2019
ارائه مقاله
پست را در لینکدین ببینید:
https://www.linkedin.com/feed/update/urn:li:activity:6726153295942967296
در آپارات ببینید:
https://www.aparat.com/v/VXmhu
#rppg
موضوع:
Remote Heart Rate Measurement from Highly Compressed Facial Videos: an End-to-end Deep Learning Solution with Video Enhancement“ ICCV2019
ارائه مقاله
پست را در لینکدین ببینید:
https://www.linkedin.com/feed/update/urn:li:activity:6726153295942967296
در آپارات ببینید:
https://www.aparat.com/v/VXmhu
👍1
CS294-158 Deep Unsupervised Learning
GAN, DC GAN, ImprovedGAN, WGAN, WGAN-GP, Progr.GAN, SN-GAN, SAGAN, BigGAN(-Deep), StyleGAN-v1,2, VIB-GAN, GANs as Energy Models
Video:
https://www.youtube.com/watch?v=1CT-kxjYbFU&feature=youtu.be
Slide:
https://drive.google.com/file/d/1qCVpu2zFz1uEe3QcNHGlaT1Rs2u8HrCc/view
notebook:
https://github.com/rll/deepul/blob/master/demos/lecture5_gan_models_demos.ipynb
GAN, DC GAN, ImprovedGAN, WGAN, WGAN-GP, Progr.GAN, SN-GAN, SAGAN, BigGAN(-Deep), StyleGAN-v1,2, VIB-GAN, GANs as Energy Models
Video:
https://www.youtube.com/watch?v=1CT-kxjYbFU&feature=youtu.be
Slide:
https://drive.google.com/file/d/1qCVpu2zFz1uEe3QcNHGlaT1Rs2u8HrCc/view
notebook:
https://github.com/rll/deepul/blob/master/demos/lecture5_gan_models_demos.ipynb
YouTube
Lecture 5 Implicit Models -- GANs Part I --- UC Berkeley, Spring 2020
Course homepage:
https://sites.google.com/view/berkeley-cs294-158-sp20/home
Instructors: Pieter Abbeel and Aravind Srinivas
Course Instructors: Pieter Abbeel, Aravind Srinivas, Peter Chen, Jonathan Ho, Alex Li, Wilson Yan
CS294-158-SP20: Deep Unsupervised…
https://sites.google.com/view/berkeley-cs294-158-sp20/home
Instructors: Pieter Abbeel and Aravind Srinivas
Course Instructors: Pieter Abbeel, Aravind Srinivas, Peter Chen, Jonathan Ho, Alex Li, Wilson Yan
CS294-158-SP20: Deep Unsupervised…