#Asteroid

یک فریمورک کامل در زمینه صوت مبتنی‌بر پایتورچ برای جداسازی صوت از منبع

همراه با داکیومنت و مثال، مناسب برای محقق‌ها

لينک:
https://github.com/mpariente/asteroid

@pytorch_howsam

#challenge #facebook

مسابقه Hateful Meme

فیسبوک مسابقه‌ای جالب با عنوان Hateful Meme طراحی و معرفی کرده. در تصویر بالا، نمونه‌هایی از Meme نشون داده شده. محتوای Meme در این مسابقه ترکیبی از تصویر و متن است.

این تصاویر و متن به‌تنهایی معنا و مفهوم بدی ندارن، اما وقتی درکنار هم قرار می‌گیرن معنای بد میدن. مثلا تصویر سمت راست رو ببینید: نگاه کن چند نفر دوستت دارند!

برای این مسابقه، یک دیتاست با 10 هزار نمونه آماده شده. از محقق‌ها خواسته شده سیستمی طراحی کنن تا بتونه نمونه‌های تنفرآمیز رو شناسایی کنه.

برای این مسابقه، 100 هزار دلار جایزه درنظر گرفته شده. این مسابقه به‌عنوان یکی از چالش‌های NeurIPS 2020 پذیرفته شده.

در روزهای آینده، مطالب بیشتری از این مسابقه میذاریم.

لینک مرجع

@pytorch_howsam

در بخش Machine Learning در ردیت، کاربرها هرروز مطالب جالبی رو میذارن که توصیه میشه عضو بشید و مطالب رو پیگیری کنید. این کانال یک میلیون عضو داره!

یکی از پست‌هایی که هفتگی گذاشته میشه، WAYR یا What Are You Reading هست. این هفته داری چی می‌خونی؟

از این طریق می‌تونید با مقاله‌ها، مطالب و کتاب‌هایی آشنا بشید که در دنیا موردتوجه هست.

مثلا، به‌نظر میرسه این روزها افراد مشغول بررسی کنفرانس تازه تموم‌شده ICLR2020 هستند. یکی از مقالاتی که موردتوجه بوده مقاله زیر هست:
Your classifier is secretly an energy based model and you should treat it like one (Link)

این هم لینک کدهای مقاله بالا که به پایتورچ هست.

این روزها در مورد energy based models زیاد صحبت میشه. حتی آقای Yann Lecun هم در ICLR2020 یک جلسه‌ گفت‌وگوی دو ساعته در این مورد داشتند که در این لینک می‌تونید این گفت‌وگو رو ببینید.

@pytorch_howsam

#work_from_home

توییتر به کارمندانش اجازه می‌دهد تا برای همیشه دورکاری کنند (منبع).

با افزایش مبتلایان به کرونا در سراسر دنیا، بسیاری از شرکت‌ها تصمیم گرفتند که امکان کار از منزل را فراهم کنند. حالا بعد از گذشت مدت کوتاهی، به‌نظر می‌رسد شرکت‌هایی هستند که از بازدهی و شرایط دورکاری کارمندان راضی هستند و می‌خواهند این فرآیند حتی بعد از کرونا هم ادامه داشته باشد.

یکی از این شرکت‌ها توئیتر است که به تازگی این تصمیم را گرفته... البته، این شرایط برای همه کارمندان نیست و کارمندانی که حضور فیزیکی آنها ضروری است، مانند پشتیانی، امکان دورکاری برایشان فراهم نیست.

پ.ن: مدیریت و برنامه‌ریزی درست باعث میشه که حتی زمانی‌که مدیر بالا سر کارمندها نیست هم اتفاق خاصی نیفته و کارها به‌صورت معمول پیش بره. حتی شاید با تمرکز بهتر هم پیش بره! درعین حال، شرکت‌هایی هم وجود داره که از حضور فیزیکی کارمندها در شرکت به این دیدگاه میرسن که همه‌چیز به خوبی پیش میره!

#pytorch

اگر حوصله آموزش کدنویسی ویدئویی و یا آموزش‌های طولانی رو ندارید. یا به آموزش‌های با مثال علاقه دارید، لینک زیر از سایت برجسته Machine Learning Mastery احتمالا بدردتون میخوره.
لینک آموزش کدنویسی پایتورچ

در لینک بالا، در قالب چند مثال متنوع از مرحله نصب تا آموزش شبکه‌های دیپ آموزش داده شده.

اگرچه ما هم هرهفته آموزش پایتورچ منتشر می‌کنیم (لینک)، اما ممکنه بعضی دوستان از سبک جلسه‌ای و طولانی‌مدت خوششون نیاد و دنبال یک آموزش سریع باشن.

@pytorch_howsam

#object_detection #faster_rcnn

اگر به پیاده‌سازی مرحله‌ به مرحله شبکه تشخیص اشیای Faster-RCNN با پایتورچ علاقه دارید، مقاله زیر در مدیوم رو از دست ندید.

از ویژگی‌های شاخص این مقاله اینه که مولف تئوری و کدنویسی رو گام به گام همراه با تصاویر توضیح میده. تصاویری که ایده خود مولف هست و صرفا یک کپی از مقالات و منابع دیگه نیست. مثلا تصویر پیوستی رو ببینید؛ بسیار زیبا Anchor center و Anchor box رو به تصویر کشیده. اتفاقا یکی از بهترین بخش‌های این مقاله، توضیحات مربوط به Anchor هست.

البته، مطالعه این مقاله زمان‌بره و با یک بار مطالعه نمیشه مسلط شد.

لینک مقاله

@pytorch_howsam

#nlp #pytorch

A Deep Dive into NLP with PyTorch

یک آموزش عالی برای NLP در پایتورچ... در این آموزش، از مباحث مقدماتی (مانند معرفی پایتورچ، توکنایز کردن) تا مباحث پیشرفته (مانند شبکه‌های بازگشتی، اتنشن و ترنسفورمرها) مرور میشه.

لینک ویدئو

@pytorch_howsam

#pytorch_lightning

پکیج PyTorch Lightning، سادگی بیشتری را برای مهندسان یادگیری ماشین به ارمغان می‌آورد.

اگرچه کدنویسی با پایتورچ ساده هست و محققان با آن راحت هستند، اما PyTorch Lightning می‌تواند کار را برای مهندسان آسان کند. مهندسان برخلاف به محققان ممکن‌است چندان علاقه‌مند به جزئیات شبکه‌ها نباشند. بنابراین، احتمالا ترجیح می‌دهند، صرفا با چند خط به اهدافشان برسند و یک شبکه آموزش دهند. به تصویر نگاه کنید؛ بجای حلقه آموزش در پایتورچ، تنها با Trainer در PyTorch Lightning فرآیند آموزش انجام شده است.

درواقع، PyTorch Lightning رو می‌تونیم معادل کراس برای تنسورفلو بدونیم. البته، PyTorch Lightning جزوی از پایتورچ نیست و مستقل درحال توسعه هست.

اخیرا در توییتر، در مورد پکیج PyTorch Lightning زیاد صحبت میشه و فیدبک‌های مثبتی دیده میشه.

پیج PyTorch Lightning

@pytorch_howsam

#reddit

امروز، در ردیت فردی موضوع زیر رو مطرح کرد؟

من، دو سال هست که در یکی از شاخه‌های بینایی کامپیوتر با یادگیری عمیق کار می‌کنم. تقریبا به موضوع خودم تسلط خوبی دارم. اما چالش‌های زیادی دارم که نمی‌تونم مدیریت کنم. مثلا، شما چطور خودتون رو بروز نگه می‌دارید؟ من میخوام مقاله‌های جدید در سایر زمینه‌ها رو مطالعه کنم تا بتونم از اونها الهام بگیرم. شما چطوری اینکارو انجام میدید؟ هرچند وقت مقاله میخونید؟ لیست مقالاتی که باید بخونید رو چطوری مدیریت می‌کنید؟ اکسل، مندلی یا چی؟ و چند سوال دیگه... لینک

خب خوبی ردیت اینه که مشارکت بالاست و خیلی‌ها میان نظر میدن. چندتا از جواب‌ها رو کوتاه در ادامه ببینید.

من یکسری از محقق‌ها رو در گیتهاب و گوگل اسکالر فالو کردم. وقتی اونها چیزی منتشر میکنن من باخبر میشم.

یک نفر دیگه گفته که این لیست از افراد توییتر میتونه در بروز موندن کمک کنه.

یک نفر paperswithcode.com رو معرفی کرده.

یک نفر دیگه سایت madewithml.com رو معرفی کرده.

یک نفر دیگه سایت mindmeister.com رو برای مدیریت کارها معرفی کرده. سایت جالبیه، نمونه‌های داخلی رایگان هم داریم. نگاهی به سایت تسکولو بندازید...

خب، جواب شما به این سوال‌ها چی هست؟ چطور کارهاتون در حوزه هوش مصنوعی رو مدیریت می‌کنید؟ هم دانشگاهی هم کاری؟ چه نرم‌افزارهایی دارید؟ چطور بروز می‌مونید. لطفا کامنت کنید تا بقیه هم استفاده کنن. اگه کامنت سخته، برای ادمین بفرستید تا در کانال نشر بدیم.

@pytorch_howsam

#ٱموزش_یادگیری_عمیق

جلسه اول: ساختار نورون مصنوعی

به امید خدا، از این به بعد یک دوره آموزش یادگیری عمیق رایگان را شروع می‌کنیم. از مباحث مقدماتی شروع می‌کنیم و به مباحث پیشرفته می‌رسیم.

در اولین جلسه می‌خواهیم ساختار یک نورون مصنوعی را بررسی کنیم. همچنین، تابع فعالسازی یا activation function در شبکه عصبی را تعریف و بررسی می‌کنیم.

لینک آموزش

@pytorch_howsam

مقاله و کدهایی که تا امروز معرفی کردیم و مختصری هم توضیح دادیم:

✅ مقاله ردیابی چندهدفه FairMOT

✅ مقاله تشخیص اشیای EfficientDet

✅ مقاله ResNeSt

✅ مقاله YOLOv4

✅ مقاله OFA

✅ مقاله Supervised Contrastive Learning

@pytorch_howsam

تشخیص خرابی جاده‌ها با استفاده از یادگیری اکتیو

یک پست وبلاگی در مدیوم که به توضیح این پروژه کاربردی پرداخته... کدهای این پروژه با پایتورچ نوشته شده و در دسترس هست.

لینک پست در مدیوم

@pytorch_howsam

آموزش کار با نرم‌افزار پایچارم (Pycharm) به زبان فارسی

مدرس: سیدسجاد اشرفی

لینک آموزش

@howsam_org

#جلسه_پنجم

جلسه پنجم: اندیس‌گذاری و اسلایسینگ در پایتورچ منتشر شد.

در این جلسه می‌آموزید که چگونه بخشی از یک تنسور پایتورچی را انتخاب کنید. این جلسه توانایی شما در کار با تنسورها افزایش می‌دهد.

لینک آموزش

@pytorch_howsam

#آموزش_پایتورچ

لیست جلسات آموزش پایتورچ که تا امروز منتشر کردیم:

📕 جلسه اول: نصب پایتورچ و سایر موارد لازم

📕 جلسه دوم: ایجاد تنسور در پایتورچ

📕 جلسه سوم: تنسورهای خاص در پایتورچ

📕 جلسه چهارم: تنسور تصادفی در پایتورچ

📕 جلسه پنجم: اندیس و اسلایس در تنسور پایتورچ

📕 جلسه ششم: عملیات روی تنسورها در پایتورچ

@pytorch_howsam

#datacamp

سایت دیتاکمپ به مدت محدود، آموزش‌هاش رو رایگان کرده...

آموزش پایتورچ سایت دیتاکمپ که تعاملی و با تمرین همراه هست رو از دست ندید. فقط سه روز وقت دارید...

لینک

@pytorch_howsam

#paper #pytorch

FlowTron: Improved Text to Speech Engine from NVIDIA

Paper

Code (PyTorch)

@pytorch_howsam

بردهای مینی‌کامپیوتر مانند رزبری‌پای، به‌خاطر کاربردهاشون محبوبیت بالایی دارن. در بسیاری از کارها ازشون استفاده میشه.

در حوزه هوش مصنوعی هم همواره موردتوجه بودن و کاربرد این بردها در هوش مصنوعی درحال بیشتر شدنه.

مثلا، امروزه بردهایی داریم که خاص هوش مصنوعی ساخته میشن و حدود 2.5 تا 4.0 TOPS (عملیات محاسباتی برحسب ترا) انجام میدن. بعضی از این بردها، پردازنده‌های خاصی بنام NPU (Neural Processor Unite) دارن که میتونه محاسبات موجود در شبکه‌های عصبی رو به‌صورت بهینه انجام بده. مثلا پردازنده RK3399Pro... تمایل داشتید بعدا بیشتر درموردش صحبت می‌کنیم.

اما توضیحات بالا رو دادیم که پست زیر معرفی کنیم! با استفاده از رزبری‌پای، یک Object Detection یا Face Detection بسازید. در پست زیر، از مرحله صفر، یعنی راه‌اندازی رزبری رو هم توضیح داده...

لینک پست

@pytorch_howsam

#YOLO #object_detection

تصویر پیوستی بالا: نظر یکی از کاربران درباره پست سیستم تشخیص اشیای YOLO (لینک پست الگوریتم YOLO)

علاوه‌بر ابراز رضایت، پیشنهادهای خوبی هم مطرح کردند.

نگارش این نوع پست‌های آموزشی پیشرفته که خیلی هم زمانبره، ادامه داره... درحال حاضر نویسنده این پست (سیدسجاد اشرفی) درحال نگارش پست شبکه موبایل‌نت هستند.

@pytorch_howsam