#FLANN is a library for performing fast approximate nearest neighbor
searches in high dimensional spaces. It contains a collection of algorithms we found to work best for #nearest_neighbor search and a system for automatically choosing the best algorithm and optimum parameters depending on the dataset. FLANN is written in C++ and contains bindings for the following languages: C, MATLAB, #Python, and Ruby

code: https://github.com/mariusmuja/flann
project page: https://www.cs.ubc.ca/research/flann/
paper: https://github.com/mariusmuja/flann (2009)

#خبر
امروز به صورت همزمان هم (پیش نمایش) نسخه 1 فریمورک #پایتورچ و هم نسخه 1 کتابخانه یادگیری عمیق سطح بالای fastai (که بر روی پایتورچ نسخه 1 نوشته شده است) منتشر شدند.
کتابخانه :fastai
https://github.com/fastai/fastai
مستندات کتابخانه fastai هم بعد از مدت ها بالاخره منتشر شد.
https://docs.fast.ai

#خبر #framework
توصیه ی Andrej Karpathy برای استفاده از فریم ورک FastAI و خوشحالی شدید Jeremy Howard ...
https://twitter.com/jeremyphoward/status/1047215781023367168

#خبر
گوگل کولب file browser اضافه کرد...
اکنون شما میتوانید فایلهایتان را با یک کلیک آپلود و دانلود کنید.
#colab

#خبر
Introducing #PyTorch across Google Cloud

PyTorch 1.0 Preview is now available on Google Cloud, in virtual machine images, #Kubeflow, #Tensorboard, and on TPUs.

https://cloud.google.com/blog/products/ai-machine-learning/introducing-pytorch-across-google-cloud

معرفی kuberflow برای serve کردن مدلهای PyTorch برای deployment

#Kubeflow is an open source platform designed to make end-to-end ML pipelines easy to deploy and manage. Kubeflow already supports #PyTorch, and the Kubeflow community has already developed a PyTorch package that can be installed in a Kubeflow #deployment with just two commands. Additionally, in collaboration with #NVIDIA, we have extended the #TensorRT package in Kubeflow to support #serving PyTorch models. We aim for Kubeflow to be the easiest way to build portable, scalable and composable PyTorch pipelines that #run_everywhere.

https://www.kubeflow.org/

#خبر
#نصب راحت تر نسخه GPU تنسرفلو با Anaconda

اکنون آناکوندا کتابخانه های مورد نیاز CUDA و CuDNN را به عنوان پیش نیاز های مورد نیاز تنسرفلو نسخه GPU نصب میکند از این پس نیازی به نصب دستی این پیش نیازها نخواهد بود.

Anaconda now packages CUDA and cuDNN libraries as dependencies of tensorflow-gpu, so you no longer have to install these libs manually.

#tensorflow

#منبع #کتاب
نسخه draft نهایی کتاب
Machine Learning Yearning
Andrew Ng
که شامل تمامی chapter ها هست

@cvision

‏در حال حاضرخلاصه راهنمای یادگیری ماشین،به زبان فارسی در دسترس است.

یادگیری عمیق:

https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-deep-learning

نکات و ترفندهای یادگیری ماشین:

https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-machine-learning-tips-and-tricks
یاگیری با نظارت:

https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-supervised-learning
یادگیری بدون نظارت:

https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-unsupervised-learning

یادآوری آمار و احتمالات

 https://stanford.edu/~shervine/l/fa/teaching/cs-229/refresher-probabilities-statistics

یادآوری جبر خطی و حسابان

 https://stanford.edu/~shervine/l/fa/teaching/cs-229/refresher-algebra-calculus

#مقاله #آموزش
توئیت جالب Jeremy Howard در مورد #transfer_learning
در این کار لایه های FC اضافه شده freeze شدند و لایه های pre-trained شده fine-tuned شده اند!!
https://bit.ly/2yelykx

دوره مقدماتی یادگیری ژرف

https://plan.azad.ac.ir/fa/page/9755
سرفصل دوره مقدماتی و پیشرفته:

https://t.iss.one/cvision/737

سرفصل دوره مقدماتی و پیشرفته در دانشگاه آزاد - تهران جنوب

دوره دوم یادگیری ژرف

https://plan.azad.ac.ir/fa/page/9756
سرفصل دوره مقدماتی و پیشرفته:

https://t.iss.one/cvision/737

Practical Text Classification With Python and Keras
https://realpython.com/python-keras-text-classification/

#keras #nlp

#آموزش #ویدیو
TensorFlow session recordings from O’Reilly AI Conference San Francisco 2018
https://medium.com/tensorflow/tensorflow-session-recordings-from-oreilly-ai-conference-san-francisco-2018-a8910277b449

#tensorflow

نقاشی کشیده شده با هوش مصنوعی، در یک حراجی 432 هزار دلار فروخته شد!
Portrait by AI program sells for $432,000
https://www.bbc.com/news/technology-45980863

#deep_learning #Gan

#خبر
Facebook is open sourcing QNNPACK, a high-performance kernel library that is optimized for mobile AI. The library speeds up many operations, such as depth-wise convolutions, that advanced neural network architectures use. QNNPACK has been integrated into Facebook apps and deployed to billions of devices. On benchmarks such as quantized MobileNetV2, QNNPACK outperforms SOTA implementations by approximately 2x on a variety of phones.

https://code.fb.com/ml-applications/qnnpack/

🙏Thanks to: @Alidiba

#آموزش
برای طبقه بندی باینری یه کلاسه چه مواردی را برای مثال منفی انتخاب کنیم؟
برای مثال برای گربه/غیر گربه چه تصاویری را در دیتاست غیر گربه بگذاریم بهتر است؟

One Class Classifying — What kind of data set I should have?
https://medium.com/@lankinen/one-class-classifying-what-kind-of-data-set-i-should-have-1486358e491b

state-of-the-art AutoAugment Modules for Image augmentation
#TensorFlowHub #GoogleAI #TFHub

https://tfhub.dev/s?keywords=image_augmentation

Official BERT #TensorFlow code + pre-trained models released by Google AI Language

BERT is method of pre-training language representations, meaning that we train a general-purpose "language understanding" model on a large text corpus (like Wikipedia), and then use that model for downstream #NLP tasks that we care about (like question answering). #BERT outperforms previous methods because it is the first unsupervised, deeply #bidirectional system for pre-training NLP.

https://github.com/google-research/bert/blob/master/README.md

🙏Thanks to: @cyberbully_gng