یعنی یک چیزی میخوام بهتون معرفی کنم که تو زندگی من نقطه عطفی بوده😅

نرم‌افزار Mathpix می‌دونید چیه؟ کافیه که یه اسکرین‌شات از فرمولتون بهش بدید و فرمول مناسب برای ورد، لاتکس و ... ازش تحویل بگیرید.
ویدئو بالا رو ببینید.

@pytorch_howsam

گرادیان کاهشی

در سومین جلسه از آموزش یادگیری ماشین رایگان، به تشریح الگوریتم گرادیان کاهشی پرداختیم.

مطالعه این جلسه: لینک

نویسنده: سیدسجاد اشرفی

جلسه بعدی: رگرسیون خطی

@howsam_org

اگه دنبال یک نرم‌افزار مناسب برای رفرنس زدن در ورد هستید، مندلی رو نصب کنید و تمام!

بخونید مِندلی نه مَندلی 😅

ویدئو بالا رو ببینید، کار باهاش خیلی ساده هست. ما خیلی ازش استفاده می‌کنیم.

@pytorch_howsam

CharacterGAN

تولید کاراکتر همراه با انیمیشن با استفاده از GAN

مقاله‌ای که طی روزهای اخیر ترند شده و موردتوجه قرار گرفته. کار قشنگیه...

مقاله | کد پایتورچ

@pytorch_howsam

مدل من در پایتورچ چقدر پارامتر داره؟

تابع زیر رو به کدتون اضافه کنید. بعد آبجکت مدل رو به عنوان ورودی بهش بدید تا در خروجی تعداد پارامترها رو به میلیون بگه.

def count_parameters(model):
params = sum(p.numel() for p in model.parameters() if p.requires_grad)
return params/1000000

@howsam_org

چرا برای یک لایه یا الگوریتم هزار تا فرمول مختلف وجود داره؟

فرض کنید میخوایید پایان نامه یا مقاله بنویسید، می‌بینید یک فرمول سافت‌مکس رو هرکسی یک‌طوری نوشته. تفاوت در اندیس‌ها و...

قبلا استانداردی وجود نداشت. اما به پیج زیر نگاهی بندازید، اکثر لایه‌ها، فرمول‌ها و الگوریتم‌ها رو اومده با یک استاندارد نوشته. مثلا به تصویر بالا نگاه کنید که دقیق شبکه عصبی بازگشتی رو فرموله کرده.

https://namedtensor.github.io/

حالا با خیال راحت می‌تونید از فرمول‌های اینجا استفاده کنید تا فرمول‌هاتون در داکیومنت یکپارچه و استاندارد باشه.

از طرفی، این ویژگی رو با نرم‌افزار Mathpix ترکیب کنید. دیگه نیازی به نوشتن مجدد اینها هم نیست. 😊

@pytorch_howsam

یک کتاب خوب برای پایتورچ

گیتهاب و vscode

یک ترفند خفن!
وقتی تو یک پروژه در گیتهاب هستید، مثل چنین پروژه‌ای:
https://github.com/vballoli/nfnets-pytorch

اگر خیلی ساده github رو به github1s تبدیل کنید، کل پروژه توی vscode باز میشه! 😍
https://github1s.com/vballoli/nfnets-pytorch

@pytorch_howsam

یک کورس کامپیوتر ویژن عالی با رویکرد یادگیری عمیق

مدرس این کورس خیلی در زمینه تدریس فعال هست. چند وقت پیش Nvidia یک V100 به ایشون هدیه داد. 😍

https://www.cs.ryerson.ca/~kosta/CP8309-F2018/index.html

@pytorch_howsam

سوال: من می‌توانم شبکه عصبی بسازم، اما نمی‌توانم آنرا آموزش دهم. نمی‌دانم با هایپرپارامترها چه کنم، تعداد لایه‌ها و نورون‌ها را چگونه تنظیم کنم. آیا کتابی برای این کار وجود دارد؟

جواب: شما موتور را ساخته‌اید، اما هنوز تنظیم موتور را انجام نداده‌اید! ما دو پیشنهاد برای شما داريم:

1- این مهارت از طریق آزمایش و تجربه بدست می‌آید. بنابراین، سعی کنید با انجام مینی‌پروژه‌های مختلف و انجام آزمایش‌های متعدد، مهارت کسب کنید.

2- کتاب Better Deep Learning از آقای Jason Brownlee را به شما معرفی می‌کنیم. کتابی که می‌تواند در یافتن مهارت تنظیم موتور کمک‌تان کند.

در مقدمه این کتاب نوشته شده:
ساختن یک شبکه مناسب و آموزش دادن آن برای رسیدن به دقت خوب یک"dark art" است!

@howsam_org

ML from Scratch

اگر از عاشقان پیاده‌سازی از صفر الگوریتمهای یادگیری ماشین هستید، شدیدا توصیه میکنم این پیج رو از دست ندید.

لینک

بسیاری از الگوریتمهای کلاسیک یادگیری ماشین رو پیاده کرده.

@pytorch_howsam

📣 دوره بینایی کامپیوتر حرفه‌ای هوسم

یک دوره سه‌ماهه که از یازدهم فروردین‌ماه به‌صورت آنلاین برگزار خواهد شد.

مدرس دوره: مهندس سیدسجاد اشرفی

اطلاعات بیشتر: لینک دوره

@howsam_org

Pre-trained Language Models

لیستی جامع از مقاله‌های مدل پری‌ترین زبانی. از برت، المو و GPT تا جدیدها...

همه عروسک‌های محبوب خارجی هستند! ایشالا حضور جناب‌خان‌نت و سنجدنت در لیست! 😊

https://github.com/thunlp/PLMpapers

@pytorch_howsam

Publications in AI/ML these days 😁

Vision Transformer

در سال 2021 شاهد رشد ترنسفورمر در کامپیوتر ویژن هستیم. مقاله‌های جالبی هم منتشر شده و کم کم درحال ورود به شاخه‌های مختلف در کامپیوتر ویژن هست.

تصاویر بالا هم مربوط میشه به مقاله گوگل که تصویر ورودی با یک لایه کانولوشن پچ‌بندی میکنه و میده به ترنسفورمرها.

در لینک مجموعه مقالات ویژن ترنسفورمر جمع‌آوری شده.
https://github.com/dk-liang/Awesome-Visual-Transformer

نگران سخت افزار نباشید. می‌تونید توی کولب هم شبکه‌ای مثل ترنسفورمر 12 لایه رو ترین کنید.

@pytorch_howsam

SpeechBrain is an open-source and all-in-one speech toolkit based on PyTorch.

یک لایبرری خوب پایتورچی برای speech

داکیومنت

@pytorch_howsam

Whatsup people 🤙🏼,

Today is ICCV submission deadline. And it is very tricky to write a good Introduction in your paper.

But today Prof. Kate Saenko (our Russian speaking part of the channel should probably know her) shares her experience and shows a template which she gives to new graduate students 🙂.
#phd_tips

🌐 How to Write the Introduction in 3 Easy Steps.