Tensorflow(@CVision)
15.3K subscribers
1.29K photos
310 videos
81 files
2.53K links
اخبار حوزه یادگیری عمیق و هوش مصنوعی
مقالات و یافته های جدید یادگیری عمیق
بینایی ماشین و پردازش تصویر

TensorFlow, Keras, Deep Learning, Computer Vision

سایت:
http://class.vision

👨‍💻👩‍💻پشتیبان دوره ها:
@classvision_support

لینک گروه:
@tf2keras
Download Telegram
ممکنه در آموزش شبکه فقط با ست کردن سید نامپای نتایج تون قابل باز تولید نباشه
برای این کار باید سید های دیگه رو هم ست کنید مثل تنسورفلو و ....

این کد اینکارو میکنه:

# Seed value
# Apparently you may use different seed values at each stage
seed_value= 123

# 1. Set the PYTHONHASHSEED environment variable at a fixed value
import os
os.environ['PYTHONHASHSEED']=str(seed_value)

# 2. Set the python built-in pseudo-random generator at a fixed value
import random
random.seed(seed_value)

# 3. Set the numpy pseudo-random generator at a fixed value
import numpy as np
np.random.seed(seed_value)

# 4. Set the tensorflow pseudo-random generator at a fixed value
import tensorflow as tf
tf.random.set_random_seed(seed_value)

# 5. Configure a new global tensorflow session
from keras import backend as K
session_conf = tf.ConfigProto(intra_op_parallelism_threads=1, inter_op_parallelism_threads=1)
sess = tf.Session(graph=tf.get_default_graph(), config=session_conf)
K.set_session(sess)
#آموزش
ابزارهای تنسرفلو برای کاهش زمان inference مدل، این کارها شامل quantization بعد آموزش مدل و همچنین هرس وزنها طی فرایند آموزش است.

Optimize machine learning models

✔️داکیومنت های مرتبط
https://www.tensorflow.org/model_optimization

💬توئیت مرتبط Francois Chollet :
https://twitter.com/fchollet/status/1214225205532323843?s=20

🕰البته قبلا هم در موردش نوشتم:
https://xn--r1a.website/cvision/1242
https://xn--r1a.website/cvision/1271
This media is not supported in your browser
VIEW IN TELEGRAM
#سورس کد

#blazeface
مدل تشخیص چهره و ویژگی های چهره real-time در مرورگر با tensorflow js

https://www.npmjs.com/package/@tensorflow-models/blazeface?linkId=80168838
This media is not supported in your browser
VIEW IN TELEGRAM
رونمایی از ایده تایپ با دوربین سلفی سامسونگ در #CES2020

تنها با یک دوربین سلفی به موبایل خود این قابلیت را اضافه کنید. ظاهرا تایپ ۱۰ انگشتی باید بلد باشید و فعلا فقط زبان انگلیسی است...
Samsung has an invisible keyboard that you can use with your phone
#fun How to confuse your machine learning model.
#خبر

تنسرفلو 2.1 منتشر شد.

شما میتوانید تغییرات جدید را از اینجا ببینید.
این نسخه آخرین نسخه از تنسرفلو خواهد بود که پایتون 2 هم پشتیبانی می‌کند.
یکی از مهمترین ویژگی‌های اضافه شده به این نسخه لایه‌ی TextVectorization است که یک آموزش استفاده آن در طبقه بندی متن را می‌توانید در این نوت‌بوک ببینید.

https://colab.research.google.com/drive/1RvCnR7h0_l4Ekn5vINWToI9TNJdpUZB3
This media is not supported in your browser
VIEW IN TELEGRAM
Tensorflow Lite PoseNet (in #IOS)

📹
TensorFlow Lite takes the camera input and overlays the key body parts in real-time

https://github.com/tensorflow/examples/tree/master/lite/examples/posenet/ios
#پروژه_متن_باز

سلام.
با توجه به فقدان داده فارسی برای کارهایی مثل توصیف تصویر تصمیم گرفتیم دیتاست MS-COCO مربوط به image captioning را به صورت متن باز ترجمه کنیم.
سایت زیر در همین راستا آماده شده است:

http://imagecaptioning.ir

لطفا با مشارکت در آن و همچنین معرفی به دوستان خود مارا یاری کنید.

برای شروع داده های آموزش سال 2014 انتخاب شده است که ترجمه ها برای همگان در دسترس خواهد بود.
YOLACT (You Only Look At CoefficienTs): Real-time Instance Segmentation
Paper: https://arxiv.org/abs/1904.02689

YOLACT++: Better Real-time Instance Segmentation
Paper: https://arxiv.org/abs/1912.06218


Code: https://github.com/dbolya/yolact

Colab: https://colab.research.google.com/drive/1ncRxvmNR-iTtQCscj2UFSGV8ZQX_LN0M#scrollTo=YWzKi-xiGX-i
#خبر

محققان نشون دادند آموزش یک شبکه عصبی عمیق میتونه به اندازه کربنی که در طول عمر کارکرد پنج تا خودرو آزاد میشه، میتونه کربن تولید کنه!
https://jamanetwork.com/journals/jama/fullarticle/2758612
Forwarded from Deep learning channel (Alister)
BERT
یکی از قوی ترین مدل های NLP در تاریخ است ، اما همچنین در حال حاضر پرمصرف ترین مدل در صنعت است، به طوریکه هزینه سربار محاسباتی بسیار بیشتر از ImageNet است. محققان گوگل یک بهینه ساز جدید را پیشنهاد داده‌اند که با موفقیت زمان آموزش BERT را از 3 روز به 76 دقیقه کاهش داده است. این مقاله در ICLR 2020 پذیرفته شده است.

https://arxiv.org/abs/1904.00962