سایت o'reilly برای کسانی که تازه ثبت‌نام کنند ۱۰ روز دسترسی رایگان و آزاد به منابع خود از جمله مطالعه آنلاین کتاب‌ها، مشاهده ویدئوهای آموزشی و شرکت در کلاس‌های آنلاین و... هدیه می‌دهد.

از این لینک ثبت‌نام کنید:
https://learning.oreilly.com/register/

منبع

آخرین ریلیز Hugging Face در حوزه #NLP

به روز ترین معماری های عام منظوره مانند (BERT, GPT-2, RoBERTa, XLM, DistilBert, XLNet...) برای درک زبان طبیعی (NLU) و تولید زبان طبیعی (NLG) برای بیش از 32 مدل از پیش آموزش داده شده و برای بیش از 100 زبان با قابلیت جابه‌جایی بین دو فریم‌ورک TensorFlow 2.0 و PyTorch

Code: https://github.com/huggingface/transformers

#خبر
بلاخره ساعاتی پیش تنسرفلو نسخه ۲ رسما منتشر شد

https://medium.com/tensorflow/tensorflow-2-0-is-now-available-57d706c2a9ab


برای نصب میتوانید به مستندات نصب مراجعه کنید:
https://www.tensorflow.org/install

#tensorflow2

Announcing TensorFlow 2.0

@cvision

تغییرات تنسرفلو ۲ برای شبکه های بازگشتی
یکی از تغییرات تنسرفلو ۲ حذف API های اضافی بوده است.
مثلا در تنسرفلو قبلا با دو روش مختلف

TF RNN و Keras RNN

میتوانستیم شبکه ها را تعریف کنیم.
در نسخه جدید تنسرفلو روش TF RNN برای تعریف شبکه های بازگشتی منسوخ شده و کاربردهایی که قبلا داشته و در Keras نبوده به Keras پورت شده است.
حالا از این پس صرفا با API هایی که کراس در اختیارمون میگذاره باید شبکه های RNN را تعریف کنیم.

اطلاعات بیشتر را در این مورد میتوانید از اینجا مطالعه کنید:

https://github.com/tensorflow/community/blob/master/rfcs/20180920-unify-rnn-interface.md


tf.nn.rnn_cell.BasicRNNCell -> tf.keras.SimpleRNNCell
tf.nn.rnn_cell.BasicLSTMCell, tf.keras.LSTMCell -> tf.nn.rnn_cell.LSTMCell
tf.nn.rnn_cell.GRUCell -> tf.keras.GRUCell
tf.nn.rnn_cell.MultiRNNCell -> tf.keras.StackedRNNCells

#RNN, #tensorflow2

معادل rnn ها در api کراس تنسرفلو
https://xn--r1a.website/cvision/1444

☑️تغییرات RNN ها در تنسرفلو۲
اگر خاطرتون باشه قبلا برای استفاده از GPU در مدلهای RNN باید شرط مینوشتیم و از لایه معادل CUDNN آن استفاده میکردیم که کد واقعا کثیف میشد!
مثلا برای تولید اشعاری شبیه شاهنامه کد زیر را که در عکس مشخص شده داشتیم

https://nbviewer.jupyter.org/github/Alireza-Akhavan/class.vision/blob/master/48-text-generation-on-shahnameh-tensorflow.ipynb
#tensorflow2 #rnn

در تنسرفلو ۲، به صورت پیش فرض اگر GPU در دسترس باشه و اگر از لایه های RNN ی استفاده کنید، از GPU استفاده خواهد شد.
اگر یادتون باشه قبلا اینطوری نبود که اینجا مثال زدم:

https://xn--r1a.website/cvision/1446

پس به همین دلیل دیگه دو لایه ی keras.layers.CuDNNLSTM/CuDNNGRU layers
منقضی شدند. و میتونید بدون نگرانی به نوع سخت افزار کد بنویسید.

اما از اونجایی که لایه های rnn در کرنل CUDNN تحت شرایط خاص نوشته شده، نمیتونیم هر پارامتری که میخوایم را بهش پاس بدیم، در غیر این صورت کدمون فقط رو cpu ران میشه!

شرایطی که باعث میشه لایه های RNN ی روی GPU نره و فقط رو CPU اجرا شه!

🔴Changing the activation function from tanh to something else.
🔴Changing the recurrent_activation function from sigmoid to something else.
🔴Using recurrent_dropout > 0.
Setting unroll to True, which forces LSTM/GRU to decompose the inner tf.while_loop into an unrolled for loop.
🔴Setting use_bias to False.
🔴Using masking when the input data is not strictly right padded (if the mask corresponds to strictly right padded data, CuDNN can still be used. This is the most common case).

https://www.tensorflow.org/guide/keras/rnn

@cvision
#tensorflow2 #rnn

#آموزش
نوت بوک آموزشی تنسرفلو 2 که توسط Chollet منتشر شد

https://colab.research.google.com/drive/1UCJt8EYjlzCs1H1d1X0iDGYJsHKwu-NO#scrollTo=fxINLLGitX_n

#tensorflow2 #Keras

#پیاده_سازی #سورس_کد
Tensorflow 2.0 based implementation of EDSR, WDSR and SRGAN for single image super-resolution


https://github.com/krasserm/super-resolution

#super_resolution
#tensorflow2 #keras

#آموزش استفاده از مدل تنسرفلویی tf.keras در اندروید با استفاده از TFLite تنسرفلو

https://medium.com/@margaretmz/e2e-tfkeras-tflite-android-273acde6588

YOLO Nano: a Highly Compact You Only Look Once Convolutional Neural Network for Object Detection

YOLO Nano possesses a model size of ~4.0MB (>15.1x and >8.3x smaller than Tiny YOLOv2 and Tiny YOLOv3, respectively) and requires 4.57B operations for inference (>34% and ~17% lower than Tiny YOLOv2 and Tiny YOLOv3, respectively) while still achieving an mAP of ~69.1% on the VOC 2007 dataset (~12% and ~10.7% higher than Tiny YOLOv2 and Tiny YOLOv3, respectively).

Paper: https://arxiv.org/pdf/1910.01271

#paper #object_detection #YOLO_Nano

#خبر
تغییر چهره در کسری از ثانیه!

لباس پوشیدنی که با پروژکت کردن تصویر چهره روی چهره شما دوربین های تشخیص چهره را به خطا می اندازد. مناسب برای معترضان خیابانی!

لینک خبر:
https://amp.graziame.com/amp/article_listing/graziame/life/this-wearable-projector-changes-your-face-in-seconds

#face

با عرض سلام خدمت همراهان گرامی
مفتخریم به استحضارتان برسانیم که به همت جمعی از دوستان، در حال آماده‌سازی یک مجموعه‌داده مرتبط با حوزه‌ی تحلیل نظرات بر روی زبان فارسی هستیم.
هم اکنون نیز این پروژه در مرحله‌ی برچسب‌زنی می‌باشد و تعداد قابل توجه‌ی از دوستان اقدام به کمک، جهت به انجام رساندن این مهم نموده‌اند.
از شما عزیزان دعوت می‌گردد در صورت تمایل با استفاده از Bot تلگرامی که آدرس آن در انتهای همین پیام آورده شده، ما را در انجام هر چه سریع‌تر این فرآیند یاری بفرمایید.
در صورت وجود هر گونه ابهام، با آی‌دی زیر در ارتباط باشید.
@MahmoodabadiHamid

آدرس بات تلگرام:
@Sentiment_tagger_bot

@Ai_Events

بنچ مارک مدلهای اوپن سورس:

https://sotabench.com/

#خبر
Announcing Support for Native Editing of Jupyter Notebooks in VS Code

https://devblogs.microsoft.com/python/announcing-support-for-native-editing-of-jupyter-notebooks-in-vs-code/

#دوره_آموزشی
#ظرفیت_محدود
دوره پیشرفته یادگیری عمیق با محوریت شبکه های بازگشتی برگزار میگردد.
http://class.vision/product/deep2/

کد تخفیف 30 هزار تومانی مخصوص اعضای کانال:
cvision

این دوره پیش نیاز دارد. کد تخفیف 50 درصدی فیلم های پیش نیاز ارسال میگردد که در صورت نیاز استفاده شود.
پیش نیاز این دوره آشنایی با شبکه های کانولوشنالی و توانایی پیاده سازی در کراس است.

چرا باید از keras به tf.keras مهاجرت کنیم؟

https://www.pyimagesearch.com/2019/10/21/keras-vs-tf-keras-whats-the-difference-in-tensorflow-2-0/

در صورتی که سوالی در مورد محتوای دوره، پیش نیازها، کاربردها و ... دارید میتوانید سوالات خود را به

@Atefee_Vlp

ارسال کنید، بسته به تنوع سوالات و توضیحات مورد نیاز، سوالات پرتکرار به صورت ویدیو، live اینستا، یا متن در کانال پاسخ داده میشود.

همان طور که قبلا اعلام شد، مباحث "دوره آموزشی پیشرفته یادگیری عمیق" که با محوریت RNNها در Tensorflow2 در محل صندوق نوآوری و شکوفایی برگزار خواهد شد نیاز به دانستن پیش‌نیازهای اعلام شده دارد.

در صورتی که با پیش نیازهای ذکر شده در توضیحات دوره آشنایی ندارید، می‌توانید به مدت محدود و تا قبل از 10 آبان با 50 درصد تخفیف ویدئوی دوره 12 ساعته مقدماتی را با قیمت 50 هزار تومان تهیه نمایید.

⁉️چرا؟
تا با مشاهده فیلم ها در صورتی که احساس کردید میتوانید دوره پیشرفته را همراهی کنید ثبت نام خود را انجام دهید.

⁉️آیا لزوما باید دوره حضوری یا غیر حضوری قبلی را شرکت کرده باشم؟
ضرورتی به مشاهده فیلمهای دوره مقدماتی نیست و با هر منبعی پیش نیازهای ذکر شده در سایت یا به طور خلاصه تسلط به پیاده سازی یک شبکه کانولوشنالی ساده دلخواه برای تسک های طبقه بندی و رگرسیون را کسب کرده اید میتوانید در دوره پیشرفته شرکت کنید.


❌اما مهم است بدانید دوره جدید بدون دانستن پیش نیاز هیچ سودی برای شما نخواهد داشت.

کد تخفیف دوره قبل:
half

لینک ویدیوی دوره قبل:
http://class.vision/deeplearning-keras/