#خبر #colab

گوگل کولب GPU ی مدل P100 را نیز اضافه کرد.
در شکل بالا زمان اجرای مدل pix2pix روی سه GPU مختلف موجود در Colab دیده میشود...

🙏Thanks to: @cyberbully_gng

Free 81-page guide on learning #ComputerVision, #DeepLearning, and #OpenCV!

Includes step-by-step instructions on:
- Getting Started
- Face Applications
- Object Detection
- OCR
- Embedded/IoT
- ...and more

https://www.pyimagesearch.com/start-here/

‏OpenAI شرکتی که ایلان ماسک سرمایه‌گذار آن، مدیر Y combinator و دانشجوی پست‌دکترای Andrew Ng هدایت آن را برعهده دارند، در آخرین پروژه خود موفق شده‌اند در یک محیط شبیه‌سازی شده بازی قایم‌باشک (Hide-and-seek)، با استفاده از Reinforcement learning به نتایج بی‌نظیری برسند که در ویدئو مشاهده می‌کنید.

+ توضیح بیشتر در وبلاگ OpenAI
+ لینک مقاله
‌
‌

#fun

برای اونها که میگن مشتق به چه دردی میخوره 😄

🙏Thanks to: @jadinet

کدها (نوت بوک) به همراه اسلاید ورک‌شاپ شبکه های عصبی بازگشتی (RNN) در تنسرفلو 2 و کراس که در صندوق نوآوری و شکوفایی برگزار گردید در گیت‌هاب آپلود شدند:

https://github.com/Alireza-Akhavan/rnn-notebooks

دوستان مقطع کارشناسی که برای گذراندن واحد درس کاراموزی خود تمایل دارند کار مرتبط با هوش مصنوعی و deep learning انجام دهند می توانند رزومه خود را به اینجانب ارسال نمایند.

داشتن نامه دانشگاه ضروری است

@alireza_akhavanpour

[email protected]

دیگه هر کسی می‌تونه لاگ‌های آموزش شبکه‌اش رو با tensorboard.dev با بقیه به اشتراک بذاره.
https://blog.tensorflow.org/2019/12/introducing-tensorboarddev-new-way-to.html

Make sure you have the latest TensorBoard installed:
pip install -U tensorboard
Then, simply use the upload command:
tensorboard dev upload --logdir {logs}
After following the instructions to authenticate with your Google Account, a TensorBoard.dev link will be provided. You can view the TensorBoard immediately, even during the upload. The uploader will continue running and uploading new logs that appear in the log directory until you stop the process.

🙏Thanks to: @samehraboon

‏DeepNote، محیط اجرای نوت‌بوک تحت مرورگر مشابه گوگل کولب است که برروی همکاری همزمان روی نوت‌بوک‌ها تمرکز دارد و بزودی منتشر می‌شود.

برای دسترسی زودهنگام می‌توانید از لینک زیر استفاده کنید:

https://beta.deepnote.com

#مقاله
مقاله اخیر OpenAI
تصور عموم این بوده که در روشهای عمیق، با افزایش سایز و پارامترهای شبکه، به شرط وجود داده، دقت افزایش پیدا کند.
اما در واقعیت، با افزایش سایز مدل، سایز ورودی، و زمان آموزش، دقت ابتدا افزایشی، بعد کاهشی و مجدد روال افزایشی خواهد داشت (حداقل برای resnet که آزمایش شده)

https://openai.com/blog/deep-double-descent/

#کاربرد #پردازش_تصویر
ایده خوب و ساده که جزو مثالهای کتابهای پردازش تصویر هست (معمولا فصل عملیات مورفولوژی). اما در عین حال اپ کاربردیش مفیده.
این فیلم تبلیغات یوتیوبی بوده...

❄️ آغاز ثبت‌نام در «پنجمین سری سمینارهای زمستانه» همراه‌ کارگاه‌ها
📆 ۱۲ و ۱۳ دی‌ماه
🏛 دانشگاه صنعتی شریف

⏰ مهلت ثبت‌نام تا ۵ ام دی‌ماه

✨بهره‌مندی از تخفیف ویژه ثبت‌نام در کارگاه‌ها همراه با سمینار

💻 اطلاعات بیشتر و ثبت‌نام:
🔗 https://wss.ce.sharif.ir/go/WSS2019

@WSS_SUT
@SSC_Public
#WSS2019

#خبر
این هفته ورژن 0.22 از کتابخونه محبوب sklearn منتشر شد.
یکی از Major Feature ها که الان نیاز داشتم و دیدم این هفته اضافه شده اینه که دیگه نیازی نیست برای رسم ROC Curve کد بزنیم و اضافش کرده

داکییومنت رسم:
https://scikit-learn.org/stable/visualizations.html#visualizations

ویژگی های دیگه جدید این نسخه:
https://scikit-learn.org/stable/whats_new/v0.22.html

نظرات Andrew Ng در مورد کنفرانس #NeurIPS2019 که میتونید در این thread دنبال کنید:
https://twitter.com/AndrewYNg/status/1207755421928157184

#پست_موقت
کد تخفیف 20 درصدی شب یلدا، برای دوره مقدماتی با موضوع کراس / تنسرفلو2.0
با 5 روز اعتبار تا چهارشنبه :
کد تخفیف:

yalda98

- تیزر دوره
- نود دقیقه ی نخست دوره برای ارزیابی خریداران
- خرید از سایت

مهلت ارسال مقالات به کنفرانس برای آخرین بار تا ۱۴ دی ۱۳۹۸ تمدید شد.

https://mvip2020.ismvipconf.ir
@mvip_2020

#مقاله #سورس_کد

MixNMatch: Multifactor Disentanglement and Encoding for Conditional Image Generation

Paper:
https://arxiv.org/abs/1911.11758

Github:
https://github.com/Yuheng-Li/MixNMatch

#GAN

سرعت عجیب غریب face detection اونم روی cpu!
طرف به ۱۵۰۰ فریم بر ثانیه رسیده....

https://github.com/ShiqiYu/libfacedetection

DeepPrivacy: A Generative Adversarial Network for Face Anonymization

Abstract:
We propose a novel architecture which is able to automatically anonymize faces in images while retaining the original data distribution. We ensure total anonymization of all faces in an image by generating images exclusively on privacy-safe information. Our model is based on a conditional generative adversarial network, generating images considering the original pose and image background. The conditional information enables us to generate highly realistic faces with a seamless transition between the generated face and the existing background. Furthermore, we introduce a diverse dataset of human faces, including unconventional poses, occluded faces, and a vast variability in backgrounds. Finally, we present experimental results reflecting the capability of our model to anonymize images while preserving the data distribution, making the data suitable for further training of deep learning models. As far as we know, no other solution has been proposed that guarantees the anonymization of faces while generating realistic images.

Paper: https://arxiv.org/abs/1909.04538
Code: https://github.com/hukkelas/DeepPrivacy

#GAN #Face

Detecting Diminishing Dopamine Firing Cells in Brain Could Reveal Earliest Signs of Alzheimer's - Neuroscience News
https://neurosciencenews.com/alzheimers-dopamine-neuron-8698/

#cognitive #advanced #Neuroscience