PyTorch Howsam
3.01K subscribers
341 photos
48 videos
5 files
476 links
از هوش مصنوعی میگیم...

ارتباط با ادمین
@howsam_support
Download Telegram
#colab

یک امکان جدید به گوگل کولب اضافه شده. وقتی ران گذاشتید، می‌تونید تنظیم کنید که بعد از اتمام اجرا به شما notification بده که اجرا تموم شده. نحوه تنظیم کردنش هم در تصویر مشخصه...

آپشن خوبیه واقعا...

@pytorch_howsam
This media is not supported in your browser
VIEW IN TELEGRAM
دیتکشن و ردیابی

در این پست از سایت مدیوم، آموزش داده شده که چطور بازیکن‌های فوتبال و توپ رو ردیابی کنیم.برای دیتکشن و ردیابی از دو الگوریتم yolo و sort استفاده شده.

جالب اینجاست که یک دیتاست هم در زمینه فوتبال الان موجوده. در همین پست هم دربارش توضیح دادن.

تصویر بالا رو ببینید. بعد از ردیابی بازیکن‌ها، خروجی به این شکل نمایش داده میشه. جذابه 👌

لینک پست مدیوم

@pytorch_howsam
#computer_vision #course

سلام و صبح بخیر
این پیامم طولانیه، اما بخونید ارزش داره.

احتمالا کورس cs231 استنفورد با عنوان یادگیری عمیق برای بینایی کامپیوتر رو می‌شناسید. ویدئوهای کورس سال 2017 در یوتیوب منتشر شد و خیلی پرطرفدار بود. اما ویدئوهای سال‌های بعدی رو منتشر نکردن. خب پیشرفت زیادی رو هر سال شاهد هستیم.

یکی از مدرس‌های این دوره، آقای Justin Johnson بود. حالا ایشون در دانشگاه میشیگان، دوره‌ای با عنوان یادگیری عمیق برای بینایی کامپیوتر در سال 2019 برگزار کرده. خودش هم عنوان کرده که همون cs231 رو آپدیت کرده.

از جمله ویژگی‌های مهم این کورس، ارائه مباحث جدید مثل ترنسفورمر، ویدئو، سه بعدی و غیره هست.

همچنین، تکالیف با پایتورچ و کولب هست.

لینک ویدئوها | صفحه کورس

@pytorch_howsam
کتاب‌های خوب یادگیری ماشین

در لینک زیر، یک مجموعه کتاب یادگیری ماشین در دو بخش کتاب‌های پایه‌ای و کتاب‌های عملی معرفی کردیم.

لینک مشاهده کتاب‌ها

تصمیم داریم، در سایر زمینه‌ها مثل یادگیری عمیق، پردازش تصویر، پردازش متن و غیره کتاب‌های خوب رو معرفی کنیم. به نظرتون خوبه؟ لطفا در کامنت راهنمایی‌مون کنید...

@pytorch_howsam
This media is not supported in your browser
VIEW IN TELEGRAM

Fast Semantic Segmentation

یک پروژه عالی و کاربردی
سگمنت به‌صورت real-time با دقت بالا
قابل اجرا روی دیوایس‌های موبایلی
مبتنی بر پایتورچ
مبتنی بر شبکه موبایل‌نت
همراه با مثال آماده در گوگل کولب
استفاده آسان تنها با سه خط کد

گوگل کولب | صفحه گیتاب

@pytorch_howsam
حتما درمورد GPT زیاد شنیدید. شبکه‌ای که برای NLP هست و Openai سه نسخه مختلف ارائه داده. GPT-3 خیلی بزرگ هست و البته بسیار پرکاربرد و عجیب! GPT-3، حدود 175 میلیارد پارامتر داره!

شبکه‌های به این بزرگی اهداف تجاری دارن. اما اهداف آموزشی چی میشه؟ صرفا مقاله‌ها رو بخونیم، بدون دو خط کدنویسی؟ خوشبختانه، هنوز افراد، شرکت و دانشگاه‌هایی هستند که به مقوله آموزش توجه ویژه دارن.

مثل آقای Andrej Karpathy، که mini-gpt ساخته و گفته با 300 خط کد پایتورچ یک شبکه GPT کوچک با اهداف آموزشی ساخته. این شبکه کوچک قابل train هم هست. خیلی ارزشمنده...

تصویر بالا رو هم گذاشته و گفته پیاده‌سازیش قایقه نه ناو 😁

لینک گیتاب

@pytorch_howsam
همه ما به اندازه کافی سایت و کتاب آموزشی برای کد می‌شناسیم. اتفاقا می‌خونیم و یاد می‌گیریم، ولی وقتی می‌خواییم کد بزنیم پر از سوال و ابهام هستیم. نیاز به مثال‌های خوب و آماده داریم.

یک سایت بهتون معرفی می‌کنم پر از مثال و کد آماده. سایت programcreek.com پر از نمونه کد هست. پایتون داره، یادگیری ماشین داره و یک عالمه مطالب مرتبط با هوش مصنوعی...

مثلا برای یک دستور plot در matplotlib حدود 30 نمونه کد داره: لینک

خیلی کاربردیه 👌

@pytorch_howsam
#data_augmentation #nlp

دیتا آگمنت در nlp

کمتر در مورد دیتا آگمنت در nlp صحبت میشه. این یک لینک نمونه کد در گوگل کولب:
لینک

@pytorch_howsam
گوگل ابزار جدید و جالبی به‌نام TF-Coder معرفی کرده...

طبق تصویر، شما ورودی و خروجی مدنظرتون رو مشخص می‌کنید و بعد TF-Coder کد تبدیل ورودی به خروجی رو مینویسه...

موقع کدنویسی خیلی کاربردیه...

اطلاعات بیشتر | نمونه کد در کولب

@pytorch_howsam
کامپیوتر ویژن فقط یادگیری عمیق نیست.

الگوریتم‌های کلاسیک در یادگیری عمیق بسیار ارزشمند هستن و هنوز در بسیاری از کارها هم می‌تونیم ازشون استفاده کنیم و هم ازشون الگو بگیریم.

مجموعه ویدئوهای زیر، یک مرور خوبی بر الگوریتم‌های کلاسیک تا مدرن کامپیوتر ویژن هست.
لینک

@pytorch_howsam
یک هفته دسترسی رایگان به همه آموزش‌های دیتاکمپ!

فرصت رو از دست ندید و به دوستانتون هم اطلاع بدید...
لینک

@pytorch_howsam
روزهای اخیر چند کاربر Colab pro، گزارش دادند که GPU V100 به کولب اضافه شده!

باید چک کنیم که در بخش رایگان هم در دسترس هست یا نه... با دستور nvidia-smi! می‌تونید مدل gpu رو در کولب چک کنید.

کارت گرافیک V100 بسیار قدرتمنده، 5120 cuda core داره...
وبینار رایگان آشنایی با گوگل کولب

زمان برگزاری: چهارشنبه 19 شهریور ساعت 20:30

مدرس: سیدسجاد اشرفی

لینک ثبت‌نام

اگر با کولب آشنایی ندارید یا دانش کمی دارید، این وبینار مناسب شماست...

@howsam_org
امروز یک وبینار رایگان توسط آقای Abhishek Thakur و Andrey Lukyanenko برگزار میشه که موضوعش هم بسیار جالبه...

لینک

زمان دقیقش رو در لینک بالا می‌تونید ببینید. می‌تونید Reminder بذارید که موقع شروع مطلع بشید.

@pytorch_howsam
یک ویدئوی یک ساعته از بهینه‌سازی هایپرپارامترها

لینک یوتیوب

مثلا grid search و bayesian optimization رو گفته. همش رو هم با کدنویسی.

بعد اینکه یک عالمه وقت میذاری یادگیری عمیق و شبکه عصبی یاد میگیری، شروع میکنی که یک شبکه train کنی میبینی دقت بالا نمیره! اصلا لاس کم نمیشه! لاس تا یجایی کم شد ولی بعد ثابت موند! و هزار جور مشکل دیگه... تازه متوجه میشی که آها موتور رو ساختم ولی باید تنظیم موتور یاد بگیرم 😁

@pytorch_howsam
امروز در توییتر سوالی مطرح شده بود که کدوم کتاب زندگی شما رو متحول کرده؟

خیلی از افرادی که تو حوزه هوش مصنوعی کار میکنن، گفتن جبر خطی...

خیلی‌ها هم گفتن کتاب جبر خطی Gilbert Strang (تصویر بالا)

اسم یکی از کورس‌های جدیدش اینه:
matrix methods in data analysis, signal processing and machine learning
لینک کورس

لطفا شما در کامنت بگید چه کتاب درسی یا غیردرسی زندگی شما رو متحول کرد؟

@pytorch_howsam
وبینار رایگان آشنایی با کدنویسی پایتورچ

زمان برگزاری: پنجشنبه 27 شهریور ساعت 20:30

لینک ثبت‌نام

اگر با پایتورچ آشنایی ندارید، شرکت در این وبینار را به شما توصیه می‌کنیم...

@pytorch_howsam
دوره یادگیری ماشین Andrew NG

می‌توانید به‌راحتی این دوره را از سایت هوسم دانلود کنید.

لینک دوره در هوسم

@pytorch_howsam
YOLObile

مقاله YOLObile روشی رو برای تشخیص اشیای سریع ارائه میده. سرعت بالاتر از YOLO-tiny و البته mAP بهتر...

لینک مقاله

@pytorch_howsam
سه تا ابزار draw.io، PowerPoint و Visio ابزارهای خوبی برای کشیدن بلوک دیاگرام و شبکه‌های عصبی هستند.

اونهایی که با Latex کار میکنن، از tikz استفاده میکنن و خیلی خوبه.

@pytorch_howsam