#openai #microscope
دیروز openai مجموعه‌ای به‌نام میکروسکوپ رو معرفی کرده که یک ابزار ارزشمند برای visualization هست. میکروسکوپ یک مجموعه از مدل‌های معروف در حوزه ویژن رو داره و شما می‌تونید در دل شبکه‌ها (میان لایه‌ها و نورون‌ها) به اکتشاف بپردازید!
به تصاویر پیوست نگاه کنید. این ابزار آنلاین به شما اجازه میده مثلا شبکه رزنت رو باز کنید و خروجی هر لایه رو به صورت تصویری ببینید.
همواره گفته شده، از ابتدا تا انتهای شبکه، به مرور اشکال پیچیده‌تر میشن. حالا می‌تونید اینها رو اینجا به‌صورت تصویری ببینید. ما چند تصویر از لایه‌های مختلف براتون گذاشتیم.
پیشنهاد می‌کنیم از طریق لینک زیر حتما نگاهی به لایه‌های مختلف شبکه‌ها بندازید.
https://microscope.openai.com/models
@pytorch_howsam
دیروز openai مجموعه‌ای به‌نام میکروسکوپ رو معرفی کرده که یک ابزار ارزشمند برای visualization هست. میکروسکوپ یک مجموعه از مدل‌های معروف در حوزه ویژن رو داره و شما می‌تونید در دل شبکه‌ها (میان لایه‌ها و نورون‌ها) به اکتشاف بپردازید!
به تصاویر پیوست نگاه کنید. این ابزار آنلاین به شما اجازه میده مثلا شبکه رزنت رو باز کنید و خروجی هر لایه رو به صورت تصویری ببینید.
همواره گفته شده، از ابتدا تا انتهای شبکه، به مرور اشکال پیچیده‌تر میشن. حالا می‌تونید اینها رو اینجا به‌صورت تصویری ببینید. ما چند تصویر از لایه‌های مختلف براتون گذاشتیم.
پیشنهاد می‌کنیم از طریق لینک زیر حتما نگاهی به لایه‌های مختلف شبکه‌ها بندازید.
https://microscope.openai.com/models
@pytorch_howsam
#مبتدی
پایتورچ دو کاریرد داره:
اول اینکه، می‌تونیم شبکه‌های عصبی بسازیم و آموزش بدیم و...
دوم، می‌تونیم عملیات جبری که با نامپای انجام میدیم رو با پایتورچ انجام بدیم. در واقع، جایگزین نامپای هم میتونه باشه.
مقاله‌های سال‌های اخیر رو اگه نگاه کنید. می‌بینید پر شده از عملیات جبری مختلف که رو تنسورهای چهاربعدی داره انجام میشه. پس مهمه که عملیات جبری رو هم خوب بلد باشیم.
در لینک زیر، یکسری از دستورات اولیه جبری پایتورچ مثل تعریف تنسور صفر، واحد، رندوم و غیره رو می‌بینید. لینک زیر یک فایل کولب هست که میتونه موقع کدنویسی کمکتون کنه.
https://colab.research.google.com/drive/1E80pq5WBSkPevIfLFcea8abxYQS4-0zI
جلسه‌های ابتدایی دوره آموزش پایتورچ ما هم، به همین عملیات جبری با پایتورچ اختصاص داره. جلسه دوم درحال آماده‌سازی هست.
@pytorch_howsam
پایتورچ دو کاریرد داره:
اول اینکه، می‌تونیم شبکه‌های عصبی بسازیم و آموزش بدیم و...
دوم، می‌تونیم عملیات جبری که با نامپای انجام میدیم رو با پایتورچ انجام بدیم. در واقع، جایگزین نامپای هم میتونه باشه.
مقاله‌های سال‌های اخیر رو اگه نگاه کنید. می‌بینید پر شده از عملیات جبری مختلف که رو تنسورهای چهاربعدی داره انجام میشه. پس مهمه که عملیات جبری رو هم خوب بلد باشیم.
در لینک زیر، یکسری از دستورات اولیه جبری پایتورچ مثل تعریف تنسور صفر، واحد، رندوم و غیره رو می‌بینید. لینک زیر یک فایل کولب هست که میتونه موقع کدنویسی کمکتون کنه.
https://colab.research.google.com/drive/1E80pq5WBSkPevIfLFcea8abxYQS4-0zI
جلسه‌های ابتدایی دوره آموزش پایتورچ ما هم، به همین عملیات جبری با پایتورچ اختصاص داره. جلسه دوم درحال آماده‌سازی هست.
@pytorch_howsam
#پیشرفته #nlp
اگه دنبال مثال‌های متنوع با شبکه‌های مختلف در حوزه nlp هستید، لینک زیر رو از دست ندید:
https://github.com/graykode/nlp-tutorial
در این لینک، درباره شبکه‌ها و مثال‌های مختلف توضیح تئوری داده نشده. اما، همه کدها در گوگل کولب در دسترس هست و به‌راحتی می‌تونید ازشون استفاده کنید.
شما در این پیج گیتهاب، می‌تونید پروژه‌هایی از RNN، Attention، شبکه کانولوشنی و ترنسفورمرها رو پیدا کنید.
برای افرادی که تا حدی پایتورچ بلد هستند و می‌خوان در حوزه nlp بیشتر مسلط بشن، این پیج رو از دست ندن.
@pytorch_howsam
اگه دنبال مثال‌های متنوع با شبکه‌های مختلف در حوزه nlp هستید، لینک زیر رو از دست ندید:
https://github.com/graykode/nlp-tutorial
در این لینک، درباره شبکه‌ها و مثال‌های مختلف توضیح تئوری داده نشده. اما، همه کدها در گوگل کولب در دسترس هست و به‌راحتی می‌تونید ازشون استفاده کنید.
شما در این پیج گیتهاب، می‌تونید پروژه‌هایی از RNN، Attention، شبکه کانولوشنی و ترنسفورمرها رو پیدا کنید.
برای افرادی که تا حدی پایتورچ بلد هستند و می‌خوان در حوزه nlp بیشتر مسلط بشن، این پیج رو از دست ندن.
@pytorch_howsam
PyTorch Howsam
#پیشرفته #nlp اگه دنبال مثال‌های متنوع با شبکه‌های مختلف در حوزه nlp هستید، لینک زیر رو از دست ندید: https://github.com/graykode/nlp-tutorial در این لینک، درباره شبکه‌ها و مثال‌های مختلف توضیح تئوری داده نشده. اما، همه کدها در گوگل کولب در دسترس هست و به‌راحتی…
#bert #nlp
در پست بالا درمورد nlp و ترنسفورمر صحبت شد. ترنسفورمرها اولین بار در شبکه Bert از گوگل در سال 2018 مطرح شدند.
بعد از دستیابی به موفقیت‌های قابل توجه با برت، مدتی پیش گوگل، برت رو در موتور جستجوی خودش به‌کار گذاشت. قبل از Bert، الگوریتم RankBrain در موتور جستجوی گوگل بود. حالا متخصصین سئو تلاش میکنن بفهمن با برت چگونه باید محتوا سئو بشه و رمز و رازش چیه!
تصویر بالا مقایسه بین RankBrain و Bert هست...
@pytorch_howsam
در پست بالا درمورد nlp و ترنسفورمر صحبت شد. ترنسفورمرها اولین بار در شبکه Bert از گوگل در سال 2018 مطرح شدند.
بعد از دستیابی به موفقیت‌های قابل توجه با برت، مدتی پیش گوگل، برت رو در موتور جستجوی خودش به‌کار گذاشت. قبل از Bert، الگوریتم RankBrain در موتور جستجوی گوگل بود. حالا متخصصین سئو تلاش میکنن بفهمن با برت چگونه باید محتوا سئو بشه و رمز و رازش چیه!
تصویر بالا مقایسه بین RankBrain و Bert هست...
@pytorch_howsam
#forum
پایتورچ یک forum بسیار فعال و خوب داره که جواب خیلی از سوالاتتون رو می‌تونید اونجا پیدا کنید. از سوال‌های ابتدایی تا سطح پیشرفته...
فقط کاربرها به سوالات شما پاسخ نمیدن، بلکه افرادی هم از طرف خود پایتورچ میان به شما کمک میکنن.
هفته گذشته یکی از افراد بسیار فعال در forum پایتورچ، توییت کرد که 10 هزارمین پاسخش رو ثبت کرده! یعنی شما هر پستی رو در forum باز می‌کنید این آقای موبلند رو می‌بینید!! 😁
تازگی تم forum هم از روشن به تیره تغییر کرده... تصویر بالا 👆
بیایید ما هم فعالیت داشته باشیم و به سوال‌های forum پایتورچ پاسخ بدیم. رزومه خوبیه!
لینک forum پایتورچ:
https://discuss.pytorch.org/
@pytorch_howsam
پایتورچ یک forum بسیار فعال و خوب داره که جواب خیلی از سوالاتتون رو می‌تونید اونجا پیدا کنید. از سوال‌های ابتدایی تا سطح پیشرفته...
فقط کاربرها به سوالات شما پاسخ نمیدن، بلکه افرادی هم از طرف خود پایتورچ میان به شما کمک میکنن.
هفته گذشته یکی از افراد بسیار فعال در forum پایتورچ، توییت کرد که 10 هزارمین پاسخش رو ثبت کرده! یعنی شما هر پستی رو در forum باز می‌کنید این آقای موبلند رو می‌بینید!! 😁
تازگی تم forum هم از روشن به تیره تغییر کرده... تصویر بالا 👆
بیایید ما هم فعالیت داشته باشیم و به سوال‌های forum پایتورچ پاسخ بدیم. رزومه خوبیه!
لینک forum پایتورچ:
https://discuss.pytorch.org/
@pytorch_howsam
گفتگوی کوتاه و جذاب با جفری هینتون (پدرخوانده هوش مصنوعی) با زیرنویس فارسی
جفری هینتون، شوخ‌طبع و البته با اراده قوی
زيرنويس از آکادمی هوش مصنوعی هوسم
@pytorch_howsam
https://www.aparat.com/v/k81TI
جفری هینتون، شوخ‌طبع و البته با اراده قوی
زيرنويس از آکادمی هوش مصنوعی هوسم
@pytorch_howsam
https://www.aparat.com/v/k81TI
آپارات - سرویس اشتراک ویدیو
گفتگوی جذاب و شنیدنی با جفری هینتون ( پدرخوانده هوش مصنوعی ) زیرنویس فارسی
یک گفتگوی جذاب و شنیدنی با جفری هینتون ( پدرخوانده هوش مصنوعی ) در سال 2018 با زیرنویس فارسی
جفری هینتون شخصیتی کاریزماتیک، شوخ‌طبع و البته با اراده قوی...
آکادمی هوش مصنوعی هوسم www.howsam.org
جفری هینتون شخصیتی کاریزماتیک، شوخ‌طبع و البته با اراده قوی...
آکادمی هوش مصنوعی هوسم www.howsam.org
#object_detection #efficientdet #پیشرفته
شبکه تشخیص اشیای EfficientDet، درحال حاضر یکی از بهترین سیستم‌های تشخیص اشیا هست. در تصویر 1 می‌تونید مشاهده کنید که شبکه‌های خانواده EfficientDet (D0-D7) نسبت به سایر روش‌ها چقدر بهتر هستند.
بلوک دیاگرام کلی EfficientDet رو در تصویر 2 می‌تونید ببینید. یک شبکه Backbone و بعدش یک لایه به‌نام BiFPN چندبار پشت هم تکرار شده. با استفاده از این لایه، ویژگی‌های لایه‌های مختلف شبکه backbone باهم ترکیب شدند. این لایه BiFPN یکی از مهم‌ترین ایده‌های مقاله هست.
در واقع لایه BiFPN بهبودیافته همون FPN هست. امروزه در بسیاری از مقالات، از FPN استفاده میشه و خب واقعا تکنیک کارآمدی برای ترکیب ویژگی‌هاست. در تصویر 3 مورد a، تکنیک FPN نشون داده شده. اما در اینجا، تکنیک BiFPN ارائه شده که در واقع یک مسیر رفت و برگشت داره... تصویر 3 مورد d. لایه BiFPN کمی شبیه به شبکه‌های بازگشتی دوطرفه شده. موافقید؟!
لینک مقاله EfficientDet:
https://arxiv.org/abs/1911.09070
کد پایتورچ EfficientDet:
https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch/blob/master/readme.md
@pytorch_howsam
شبکه تشخیص اشیای EfficientDet، درحال حاضر یکی از بهترین سیستم‌های تشخیص اشیا هست. در تصویر 1 می‌تونید مشاهده کنید که شبکه‌های خانواده EfficientDet (D0-D7) نسبت به سایر روش‌ها چقدر بهتر هستند.
بلوک دیاگرام کلی EfficientDet رو در تصویر 2 می‌تونید ببینید. یک شبکه Backbone و بعدش یک لایه به‌نام BiFPN چندبار پشت هم تکرار شده. با استفاده از این لایه، ویژگی‌های لایه‌های مختلف شبکه backbone باهم ترکیب شدند. این لایه BiFPN یکی از مهم‌ترین ایده‌های مقاله هست.
در واقع لایه BiFPN بهبودیافته همون FPN هست. امروزه در بسیاری از مقالات، از FPN استفاده میشه و خب واقعا تکنیک کارآمدی برای ترکیب ویژگی‌هاست. در تصویر 3 مورد a، تکنیک FPN نشون داده شده. اما در اینجا، تکنیک BiFPN ارائه شده که در واقع یک مسیر رفت و برگشت داره... تصویر 3 مورد d. لایه BiFPN کمی شبیه به شبکه‌های بازگشتی دوطرفه شده. موافقید؟!
لینک مقاله EfficientDet:
https://arxiv.org/abs/1911.09070
کد پایتورچ EfficientDet:
https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch/blob/master/readme.md
@pytorch_howsam
#multi_object_tracking #پیشرفته
ردیابی چندهدفه یا MOT، یکی از چالشی‌ترین زمینه‌های بینایی کامپیوتر هست. هدف، ردیابی افراد و اشیا در ویدئوهاست. کار مشکلی که نه تنها روش‌های امروزی دقت بالایی ندارن، بلکه اغلب سرعت بسیار پایینی هم دارن. مثلا تصور کنید، سرعت اجرای الگوریتم زیر 7 فریم بر ثانیه باشه...
روش‌های پیشنهادی در MOT غالبا شامل دو بخش تشخیص اشیا و استخراج ویژگی از اشیا هستن. حالا تصور کنید برای این دو بخش، دو شبکه بزرگ مانند رزنت 50 درنظر بگیریم و تازه دقت بالایی هم نداشته باشیم! با دو شبکه رزنت 50، سرعت هم که...
مقاله‌ای که انتخاب کردیم در سال 2020 منتشر شده و جز دسته مقالاتی هست که تلاش کرده تنها با یک شبکه دو عمل تشخیص اشیا و استخراج ویژگی از اشیا رو انجام بده. اتفاقا هم سرعت خوبی به‌دست اومده و هم دقت نسبتا قابل قبولی حاصل شده. با روش پیشنهادی تونستن به سرعت 30 فریم بر ثانیه برسن که خوبه...
علاوه بر تصویر بلوک دیاگرام، یک نمونه خروجی از الگوریتم هم گذاشتیم. هر رنگ مختص به یک هدف هست...
مقاله FairMOT:
https://arxiv.org/abs/2004.01888
کدهای پایتورچ:
https://github.com/ifzhang/FairMOT/
@pytorch
ردیابی چندهدفه یا MOT، یکی از چالشی‌ترین زمینه‌های بینایی کامپیوتر هست. هدف، ردیابی افراد و اشیا در ویدئوهاست. کار مشکلی که نه تنها روش‌های امروزی دقت بالایی ندارن، بلکه اغلب سرعت بسیار پایینی هم دارن. مثلا تصور کنید، سرعت اجرای الگوریتم زیر 7 فریم بر ثانیه باشه...
روش‌های پیشنهادی در MOT غالبا شامل دو بخش تشخیص اشیا و استخراج ویژگی از اشیا هستن. حالا تصور کنید برای این دو بخش، دو شبکه بزرگ مانند رزنت 50 درنظر بگیریم و تازه دقت بالایی هم نداشته باشیم! با دو شبکه رزنت 50، سرعت هم که...
مقاله‌ای که انتخاب کردیم در سال 2020 منتشر شده و جز دسته مقالاتی هست که تلاش کرده تنها با یک شبکه دو عمل تشخیص اشیا و استخراج ویژگی از اشیا رو انجام بده. اتفاقا هم سرعت خوبی به‌دست اومده و هم دقت نسبتا قابل قبولی حاصل شده. با روش پیشنهادی تونستن به سرعت 30 فریم بر ثانیه برسن که خوبه...
علاوه بر تصویر بلوک دیاگرام، یک نمونه خروجی از الگوریتم هم گذاشتیم. هر رنگ مختص به یک هدف هست...
مقاله FairMOT:
https://arxiv.org/abs/2004.01888
کدهای پایتورچ:
https://github.com/ifzhang/FairMOT/
@pytorch
این تصویر مفهومی و انگیزشی را امروز دیدم و برایم جالب بود. تصمیم گرفتم با شما دوستان هم به اشتراک بگذارم...
در هرکاری پله اول سخت و پر از سردرگمی و نگرانی هست. اگر در حوزه هوش مصنوعی تازه‌کار هستید، مهم نیست. با تلاش و یک نقشه راه مناسب می‌توانید یک متخصص هوش مصنوعی شوید.
می‌توانید روی کمک ما هم حساب کنید...
در هرکاری پله اول سخت و پر از سردرگمی و نگرانی هست. اگر در حوزه هوش مصنوعی تازه‌کار هستید، مهم نیست. با تلاش و یک نقشه راه مناسب می‌توانید یک متخصص هوش مصنوعی شوید.
می‌توانید روی کمک ما هم حساب کنید...
PyTorch Howsam
#آموزش_پایتورچ جلسه اول: آموزش نصب پایتورچ https://howsam.org/install-pytorch/ @pytorch_howsam
#آموزش_پایتورچ
جلسه دوم: آموزش ساخت تنسور در پایتورچ منتشر شد.
https://howsam.org/tensor-pytorch/
در جلسه دوم آموزش پایتورچ هوسم، می‌خواهیم به نحوه تعریف تنسور در پایتورچ بپردازیم. در این جلسه می‌آموزید که چطور در پایتورچ بردار، ماتریس و غیره بسازید. خواص تنسور در پایتورچ هم بخش پایانی این جلسه را تشکیل می‌دهد. با هوسم همراه باشید…
@pytorch_howsam
جلسه دوم: آموزش ساخت تنسور در پایتورچ منتشر شد.
https://howsam.org/tensor-pytorch/
در جلسه دوم آموزش پایتورچ هوسم، می‌خواهیم به نحوه تعریف تنسور در پایتورچ بپردازیم. در این جلسه می‌آموزید که چطور در پایتورچ بردار، ماتریس و غیره بسازید. خواص تنسور در پایتورچ هم بخش پایانی این جلسه را تشکیل می‌دهد. با هوسم همراه باشید…
@pytorch_howsam
مولف‌های مقاله‌ها، معمولا کدها رو در گیتهاب میذارن و مدل‌های آموزش‌دیده رو در گوگل‌درایو قرار میدن.
اگر خواستید در گوگل‌کولب، یک فایلی رو از گوگل‌درایو یک فرد دیگه دانلود کنید، با پکیج gdown می‌تونید اینکار رو انجام بدید.
اول gdown رو نصب کنید:
!pip install gdown
بعد لینک اون فایل موردنظر رو در دستور زیر بذارید. در تصویر نشون دادیم که کدوم بخش از آدرس رو باید انتخاب کنید.
!gdown https://drive.google.com/uc?id=1udpOPum8fJdoEQm6n0jsIgMMViOMFinu
البته ممکنه راه‌های مختلفی وجود داشته باشه. این یک راه، شما هم به ما معرفی کنید...
@pytorch_howsam
اگر خواستید در گوگل‌کولب، یک فایلی رو از گوگل‌درایو یک فرد دیگه دانلود کنید، با پکیج gdown می‌تونید اینکار رو انجام بدید.
اول gdown رو نصب کنید:
!pip install gdown
بعد لینک اون فایل موردنظر رو در دستور زیر بذارید. در تصویر نشون دادیم که کدوم بخش از آدرس رو باید انتخاب کنید.
!gdown https://drive.google.com/uc?id=1udpOPum8fJdoEQm6n0jsIgMMViOMFinu
البته ممکنه راه‌های مختلفی وجود داشته باشه. این یک راه، شما هم به ما معرفی کنید...
@pytorch_howsam
This media is not supported in your browser
VIEW IN TELEGRAM
#andrej_karpathy #matroid
امروز توییتی از matroid منتشر شد که معرفی ارائه‌ای از آقای Andrej Karpathy درباره چالش‌های تشخیص تابلوهای علائم رانندگی بود.
بخش کوچکی از این صحبت‌ها رو در ویدئوهای بالا می‌تونید ببینید که به چالش‌ها اشاره میشه. مثلا، بعضی علائم ممکنه در دستان مامور پلیس باشه. ممکنه پشت ماشین‌ها (مثلا کامیون) وصل شده باشه. یا پشت درخت‌ها و سایر اشیا پوشیده شده باشه. یک مساله به ظاهر ساده که در عمل چالش‌های زیاد و متنوعی داره.
ارائه کامل در لینک زیر:
https://youtu.be/hx7BXih7zx8
@pytorch_howsam
امروز توییتی از matroid منتشر شد که معرفی ارائه‌ای از آقای Andrej Karpathy درباره چالش‌های تشخیص تابلوهای علائم رانندگی بود.
بخش کوچکی از این صحبت‌ها رو در ویدئوهای بالا می‌تونید ببینید که به چالش‌ها اشاره میشه. مثلا، بعضی علائم ممکنه در دستان مامور پلیس باشه. ممکنه پشت ماشین‌ها (مثلا کامیون) وصل شده باشه. یا پشت درخت‌ها و سایر اشیا پوشیده شده باشه. یک مساله به ظاهر ساده که در عمل چالش‌های زیاد و متنوعی داره.
ارائه کامل در لینک زیر:
https://youtu.be/hx7BXih7zx8
@pytorch_howsam
#matroid
خب در توییت بالا از matroid صحبت کردیم. حیف بود معرفیش نکنیم.
متروید یک شرکت کامپیوتر ویژن هست که به شما در حوزه کامپیوتر ویژن سرویس میده. شعارشون این هست که نیازی نیست خودتون ماه‌ها درگیر الگوریتم‌ها بشید، از سرویس‌های ما استفاده کنید. سرویس‌هاشون متنوع و زیاده... مثلا چند تا محصولاتشون عبارتنداز:
دیتکشن، تخمین ژست افراد، شناسایی عمل‌ها در ویدئو، قابلیت جستجوی یک شی در ویدئو...
علاوه‌براین، اونها وبلاگ مفید و بروزی هم دارند. همچنین، در زمینه انتشار مقاله و کتاب هم فعالیت دارند.
متروید هرساله کنفرانسی به‌نام ScaledML برگزار میکنه. اتفاقا آقای Karpathy در همین کنفرانس ارائه‌ای درمورد خودروهای خودران داشتند.
https://t.iss.one/pytorch_howsam/51
و دو نکته جالب اینکه:
اول اینکه، موسس و مدیرعامل شرکت متروید، آقای رضا زاده هستند. خیلی هم عالی...
دوم، اینکه، این شرکت کارهاش رو بر پایه پایتورچ جلو میبره. بازم عالی 😊
matroid.com
@pytorch_howsam
خب در توییت بالا از matroid صحبت کردیم. حیف بود معرفیش نکنیم.
متروید یک شرکت کامپیوتر ویژن هست که به شما در حوزه کامپیوتر ویژن سرویس میده. شعارشون این هست که نیازی نیست خودتون ماه‌ها درگیر الگوریتم‌ها بشید، از سرویس‌های ما استفاده کنید. سرویس‌هاشون متنوع و زیاده... مثلا چند تا محصولاتشون عبارتنداز:
دیتکشن، تخمین ژست افراد، شناسایی عمل‌ها در ویدئو، قابلیت جستجوی یک شی در ویدئو...
علاوه‌براین، اونها وبلاگ مفید و بروزی هم دارند. همچنین، در زمینه انتشار مقاله و کتاب هم فعالیت دارند.
متروید هرساله کنفرانسی به‌نام ScaledML برگزار میکنه. اتفاقا آقای Karpathy در همین کنفرانس ارائه‌ای درمورد خودروهای خودران داشتند.
https://t.iss.one/pytorch_howsam/51
و دو نکته جالب اینکه:
اول اینکه، موسس و مدیرعامل شرکت متروید، آقای رضا زاده هستند. خیلی هم عالی...
دوم، اینکه، این شرکت کارهاش رو بر پایه پایتورچ جلو میبره. بازم عالی 😊
matroid.com
@pytorch_howsam
#pytorch
پایتورچ نسخه 1.5 منتشر شد...
قسمت اعظم این بروزرسانی، مربوط به بخش ++C هست.
علاوه‌بر بخش ++C، در autograd هم بروزرسانی انجام شده و توابع جدیدی مانند Jacobian، hessian و... اضافه شده.
علاوه بر پایتورچ، سه پکیج مهم torchvision، torchtext و torchaudio هم بروزرسانی شدند.
کتابخونه torch_xla هم بروزرسانی شد. این کتابخونه از کامپایلر جبر خطی XLA استفاده میکنه تا محاسبات روی TPUها سریع‌تر اجرا بشه.
همچنین، دو کتابخونه جدید با نام‌های torchserve و torchelastic با همکاری آمازون با کاربردهای تجاری منتشر شده...
@pytorch_howsam
پایتورچ نسخه 1.5 منتشر شد...
قسمت اعظم این بروزرسانی، مربوط به بخش ++C هست.
علاوه‌بر بخش ++C، در autograd هم بروزرسانی انجام شده و توابع جدیدی مانند Jacobian، hessian و... اضافه شده.
علاوه بر پایتورچ، سه پکیج مهم torchvision، torchtext و torchaudio هم بروزرسانی شدند.
کتابخونه torch_xla هم بروزرسانی شد. این کتابخونه از کامپایلر جبر خطی XLA استفاده میکنه تا محاسبات روی TPUها سریع‌تر اجرا بشه.
همچنین، دو کتابخونه جدید با نام‌های torchserve و torchelastic با همکاری آمازون با کاربردهای تجاری منتشر شده...
@pytorch_howsam