🎁 تخفیف بزرگ دوره بینایی کامپیوتر حرفه‌ای 🔥

⭕️ به مناسبت سال جدید، دوره بینایی کامپیوتر با 40 درصد تخفیف عرضه شده است.

🌐 اطلاعات بیشتر و تهیه دوره: لینک دوره

@howsam_org

چطوری می‌تونم یک متن رو در پایتورچ توکنایز کنم؟ 🤔

ساده هست؛ بیایید مرحله به مرحله پیش بریم...

✅ اول، ایمپورت get_tokenizer از لایبرری تورچ‌تکست:
from torchtext.data.utils import get_tokenizer

✅ دوم، کانفیگ کردن تابع get_tokenizer؛ یعنی با دستور زیر بگیم که چه نوع توکنایزری می‌خواییم. مثلا، ما از توکنایزر آماده پایتورچ برای انگلیسی استفاده کردیم:
tokenizer = get_tokenizer('basic_english')

✅ سوم، یک جمله بنویسیم. جمله زیر معنی خاصی نداره. یک جمله ناقص از دیتاست ag_news هست. پرانتز داره می‌خواییم ببینیم توکنایزر با پرانتزها چیکار میکنه:
line = "Carlyle Looks Toward Commercial Aerospace (Reuters) Reuters"

✅ چهارم، توکنایزر لطفا توکنایز کن:
tokens = tokenizer(line)
print(tokens)

✅ این هم نتیجه:
['carlyle', 'looks', 'toward', 'commercial', 'aerospace', '(', 'reuters', ')', 'reuters']

⭕️ انصافا ساده بود، نه؟
برگرفته از دوره جدید آموزش پایتورچ هوسم 😎

@pytorch_howsam

چقدر این دغدغه رو دارید که کد پایتون رو زیبا و تمیز بنویسید؟

اگه چنین دغدغه‌ای دارید، باید دنبال Style Guide برای پایتون باشید.
مثلا pep8 یک راهنما برای همین کار هست. به شما پیشنهادهایی رو میده که بتونید تمیز و اصولی کد بزنید.

مثلا به تصویر بالا نگاه کنید؛ گفته، فاصله‌های الکی نذار. هم شکل درست رو نشون داده و هم شکل اشتباه رو. این اشتباهات معنیش این نیست که کد ما به خطا میخوره، نه! بلکه، میخواد به ما استاندارد کد زدن در پایتون رو یاد بده.

لینک pep8:
https://peps.python.org/pep-0008/

حتما یاد بگیرید. دوست دارید هرازگاهی چند تا نکاتش رو بگیم؟

@pytorch_howsam

#معرفی_کتاب

در حوزه تنسورفلو/کراس و سایکیت‌لرن، اگه دنبال کتابی باشی، احتمالا به کتاب کم‌نظیر hands on machine learning میرسی. اما برای پایتورچ ما کتاب خوبی ندیدیم تا الان!

اما یک کتاب جدید پایتورچی اومده که به نظر میرسه کتاب خوبیه. نویسنده اولش آقای سباستین راشکا هست که معروفه... اسم کتاب چیه؟

Machine learning with scikit-learn and pytorch (link)

فهرست مطالب جونداری هم داره!
نویسنده سوم هم ایرانیه که باریک‌الله...

چند تا کتاب و دوره معرفی کنیم تو تعطیلات بخونیم! الکی! 🤪

@pytorch_howsam

سلام. اگه علاقه مند به خواندن کتاب هستید کتاب زیر هم کتاب مناسبی برای یادگیری عمیق با پایتورچ است.
https://www.amazon.com/Modern-Computer-Vision-PyTorch-applications/dp/1839213477

یک کتاب خوب کدنویسی پایتورچ و مخصوص بینایی کامپیوتر

ممنون از سعید عزیز بابت معرفی کتاب ❤️

🔥 شبکه عصبی بازگشتی (RNN) 🔥

🎬 در این ویدئو درباره شبکه بازگشتی یا RNN توضیح داده‌ایم و ساختار داخلی آن را هم تشریح کرده‌ایم.

📜 این ویدئو خلاصه‌ای از پست وبلاگی شبکه بازگشتی هوسم است. پس از مشاهده ویدئو، پیشنهاد می‌کنیم پست زیر را مطالعه کنید:
https://howsam.org/recurrent-neural-network/

📱اگر به این ویدئوهای کوتاه علمی علاقه‌مندید، به اینستاگرام هوسم بپیوندید:
https://www.instagram.com/howsam_org/

@howsam_org

با آگمنتیشن آشنا هستید؟ با اتوآگمنت چطور؟

احتمالا با دیتاآگمنتیشن آشنا هستید. روشی که داده‌ها (مثلا تصویر) رو تغییراتی میدیم. مثل کراپ، ریسایز، پدینگ و غیره.

همیشه ما باید تکنیک‌های آگمنت رو پشت هم بچینیم و یک آگمنتیشن خوب بسازیم.

اما Auto Augment کار رو راحت‌تر میکنه. دیگه نیازی نیست ما کاری کنیم و خودش خودکار آگمنت رو انجام میده.

پایتورچ دستوراتش رو داره. توی تصویر بالا دستورش رو نوشتیم و چهار بار روی یک تصویر دلخواه اعمالش کردیم. ببینید چه تصاویر چالشی از تصویر اصلی ساخته. تصویر اصلی یک کامیون هست.

@pytorch_howsam

⭕️ میدونی پایتورچ یکسری مدل pre-train کوانتیزه شده داره؟

✅ خب حتما Pre-train رو میدونید چیه. همون وزن‌های آماده مدل که همیشه ازشون استفاده می‌کنیم.

✅ اما کوانتیزه چیه؟ ببینید، وزن مدل‌ها به‌صورت پیش‌فرض 32 بیت اعشاری هست. اما با کوانتیزه کردن می‌تونیم وزن‌ها رو به‌صورت 8 بیت integer داشته باشیم و البته کارایی شبکه هم افت زیادی نکنه.

✅ خب به درد کجا میخوره؟ بردهـــــــــای امبــــــــدد و موبــــــایل (با کوانتیزه مصرف رم رو به شدت کم کردیم)

✅ چطوری ازش استفاده کنیم؟ اینم یک مثال ساده که موبایل‌نت کوانتیزه رو فراخوانی کرده:
import torchvision.models as models
model = models.quantization.mobilenet_v2(pretrained=True, quantize=True)
model.eval()
out = model(torch.rand(1, 3, 224, 224))

@pytorch_howsam

یک لایبرری عالی از مدل‌های سگمنتیشن

این لایبرری که پایتورچی هست، مدل‌های خوبی از سگمنیشن تصاویر رو آماده کرده. هرکدوم از مدل‌ها میتونن بکبون‌های مختلفی داشته باشن.

مدل‌ها:
Unet
Unet++
MAnet
Linknet
FPN
PSPNet
PAN
DeepLabV3
DeepLabV3+

این هم لینک گیتهاب:
https://github.com/qubvel/segmentation_models.pytorch

@pytorch_howsam

سلام
عیدتون مبارک 🥳

اسم کتاب رو ببینید و عشق کنید! فقط پیش‌پردازش...

https://www.amazon.com/Hands-Data-Preprocessing-Python-effectively/dp/1801072132

نگاهی به فهرست مطالب هم انداختیم، خوب بود. نویسنده هم روی جعفری هستن. در صفحه تقدیم، به زبان فارسی کتاب رو به پدر و مادرشون تقدیم کردن. 🙃

راستی، اگه شما هم تا الان دیتاستی یا کدی در گیتهاب آماده کردید، آدرسش رو برای ما دایرکت کنید. ممکنه اینجا معرفی کنیم. فقط خواهشا...

@pytorch_howsam

اگه داکیومنتت رو با وُرد مینویسی، میتونی با نرم‌افزار مایکروسافت ویزیو (Visio) به راحتی شکل‌های مربوط به دیپ لرنینگ رو بکشی. اینم یه نمونه!

@pytorch_howsam

تصویری که مشاهده ميکنيد کارنامه اعمال کسی هست که تنها یک سال توی کگل فعالیت داشته. در یک وبلاگ اومده درمورد تجارب خودش گفته. مسابقه‌هایی که شرکت کرده و...
https://amontgomerie.github.io/2022/02/10/kaggle-journey.html

چطوری توی پایتورچ مدلم رو فریز کنم؟

به تصویر نگاه کن؛ مدل vgg رو لود کردیم. بعدش با یک حلقه ساده همه لایه‌ها رو فریز کردیم. همین الان کولب رو باز کن و اینو تمرین کن!

میخوای فقط بعضی لایه‌ها رو فریز کنی؟ خب اونم ساده هست. اونم بعدا میگیم بهتون...

@pytorch_howsam

💣 یک خبر داغ از هوش مصنوعی 🔥
|
خب میدونید که AI یعنی Artificial Intelligence یا همون هوش مصنوعی. اما AGI چیه؟ بیایید تعریف AGI رو از زبان ویکی‌پدیا بخونیم:
Artificial general intelligence (AGI) is the ability of an intelligent agent to understand or learn any intellectual task that a human being can.
یعنی AGI حالت عام‌تر AI هست و عامل یا موجود هوشمند (Agent) بتونه هرکاری رو بفهمه و یاد بگیره. خب یعنی چی؟

ببینید، ما تا الان با یادگیری عمیق اینطوری کار کردیم که برای هر کاری (تسکی) یک شبکه آموزش دادیم. یک شبکه برای تشخیص اشیا، یکی برای ترکینگ، یکی برای زبان، یکی برای صوت و ... اصلا شاید همه اینها با ترنسفورمر با یک ساختار یکسان باشن، ولی وزن‌هاشون باهم فرق میکنه. قبول دارید؟ روی هر تسک جداگانه شبکه آموزش دیده و وزن‌ها تغییر کرده. خب؟!

اما ما میخواییم همه این کارها رو یک شبکه بیاد انجام بده. یعنی یک ترنسفورمر با یک وزن یکسان برای همه کارها! همین ترنسفورمر با وزن مشخص، زبان رو بفهمه، تصویر رو بفهمه و ...

دیپ‌مایند گوگل، GATO رو معرفی کرده که اینکارو میکنه! 😬 میتونه بازی کنه، بازوی رباتیک بشه، تصویر رو بفهمه و کپشن بزنه و خیلی کارهای دیگه!

دوست داشتید این ویدئوی دو سه دقیقه‌ای در یوتوب رو ببینید: ویدئو
همچنین، اگه خیلی دوست داشتید، مقالش رو هم بخونید: مقاله

@pytorch_howsam

#سوال
سلام
مقالات کنفرانسی هم مثل ژورنالها دارای ضریب تاثیر و رتبه بندی هستند؟چگونه می توانیم بفهمیم رتبه و ضریب تاثیرشان چند هست؟

#جواب
کنفرانس‌ها هم رنکنیگ دارن. نام کنفرانس رو در سایت زیر بنویسید تا بهتون نشون میده:
https://www.conferenceranks.com/

@pytorch_howsam