#خارج_از_بحث
#ابرینو، تعداد پیامک‌های تبلیغاتی، بیشمار
ازتون می‌خواد که نگران عکساتون نباشید و ی نسخه از هرچی دارید رو کپی کنید توی فضای ابری که بهتون میده

احتمالاً پیشنهاد ۱ترابایت رایگان رو هم شما نیز دیدید، که خیلی خیلی تعجب آوره

اما جالب اینه که فقط درمورد امن بودن بستر اینترنت یا همون استفاده از
SSL
به شما اطلاعات میدن و هیچ تاییدیه‌ایی از اینکریپت شدن دیتا بهتون نمیدن (به من که اطلاعاتی ندادند)
با جستجو کردن بیشتر توی سایت توی همون صفحه اصلی (قبلاً ندیده بودم) ، شمارو مطمئن می‌کنن که اگر خوشبینانه نگاه کنیم و دیتاتون مورد سواستفاده قرار نگیره، دیتاتون اینکریپت نخواهد شد

+توی تصویر ۳ خط آخر، کنارش علامت قرمز زدم+
اگر مجبور به استفاده ازین نوع سرویس‌ها هستید، پیشنهاد می‌کنم فایلاتون رو
Rar
کنید و پسورد طولانی بذارید و بعد آپلود کنید

“10 Lessons I Learned Training GANs for a Year” by Marco Pasini https://link.medium.com/VChuXrpxSZ

“Neural Architecture Search — Limitations and Extensions” by Alex Adam https://link.medium.com/f0YybUI8ZZ

پیاده سازی پایتورچ ۱۷ تا از الگوریتم‌های
Reinforcement
در گیت‌هاب ( گزینه خوبیه برای تمرین و کمک در درک موضوع و کد)

https://github.com/p-christ/Deep-Reinforcement-Learning-Algorithms-with-PyTorch

رسم شبکه چیز خوبیه و لازمه، هرچند اگه بخوام صادق باشم با کراس ویز خیلی هم مزخرفه اونقد که خوندن
model.summary()
رو ترجیح می‌دم ، اما همیشه ابزار بهتر هم وجود داره
Artificial Neural Network Visualizer
ANN Visualizer

هم ابزار مناسب اینکار هست که با کراس هم تطابق خوبی داره

https://github.com/Prodicode/ann-visualizer/blob/master/README.md

یادگیری تقویتی چند عاملی،
Multi-agent reinforcement learning
کار بسیار جالبی از
OpenAi
هست، عامل‌های قرمز نباید عامل آبی رو ببینند؛ علاوه بر اینکه عامل‌ها یاد می‌گیرند از اشیا موجود داخل محیط به درستی استفاده کنند
بعد از کلی تکرار عامل قرمز کاری می‌کنه که تیم متوجه وجود باگ در محیط می‌شه، چیزی که حتی برنامه‌نویس‌ها هم بهش فکر نکرده بودند

که این موضوع رو خیلی خیلی جالب و جذاب می‌کنه

https://openai.com/blog/emergent-tool-use/

“Applications of Reinforcement Learning in Real World” by Gary https://link.medium.com/357nan0yf0

https://www.linkedin.com/posts/deeplearningai_coming-soon-activity-6582324019780038657-VCB-


دوره جدید،
Deeplearning.ai

نحوه ارائه مدل روی آندروید و دیوایس‌ها برای کاربر نهایی خواهد بود

تراشه هوش مصنوعی علی‌بابا؛ که سرعت بالاتر و مصرف انرژی کمتری داره و به زودی برای مشتریان کلود در دسترس خواهد بود.

توانایی دسته بندی ۱ میلیارد عکس تنها در ۵ دقیقه، بجای ۱ ساعت از نمونه‌ مثال‌هایی هست که برای معرفی این دستگاه زده شده، ۷ ماه تلاش تولید و تست شده توسط خود علی‌بابا

https://techcrunch.com/2019/09/24/alibaba-unveils-hanguang-800-an-ai-inference-chip-it-says-significantly-increases-the-speed-of-machine-learning-tasks/

“Pruning Deep Neural Networks” by Ranjeet Singh https://link.medium.com/RpaVJzWjn0

مرور سریع و یادگیری تنسورفلو ورژن ۲

https://youtu.be/6g4O5UOH304

https://www.nature.com/articles/s41534-019-0141-3.pdf


we present a new quantum control framework generated using deep reinforcement learning, where various practical concerns in quantum control optimization can be encapsulated by a single control cost function. Our framework provides a reduction in the average quantum logic gate error of up to two orders-of-magnitude over standard stochastic gradient descent solutions and a significant decrease in gate time from optimal gate synthesis counterparts.

دیباگر مناسب برای ژوپیتر، بالاخره یافت شد
pip install pixiedust

https://youtu.be/Z-tPeEkVqjk

deploy real-time NLU with Bert

https://devblogs.nvidia.com/nlu-with-tensorrt-bert/?ncid=pa-so-link-95585

تمام تغییرات مهم شبکه‌های کانولوشن تا ۲۰۱۸ :

Paper link

Training Data

این سایت هم دیتاست‌های مناسب رو یکجا جمع‌آوری کرده و در دسترس قرار داده و هم کمک می‌کنه از همون مدل‌های اولیه برای لیبل زدن دیتاهای بیشتر استفاده کنید.

اگر دیپ‌لرنینگ کار می‌کنید این ابزار رو حتماً باید داشته باشید :

نسخه آندروید، آیفون و وب برای این ابزار توسعه داده شده و واقعاً عالیه


https://github.com/hyperdashio/hyperdash-sdk-py/blob/master/README.md

آموزش کامپایل و نصب
Opencv 4.1.1
از طریق سورس‌‌کد برای پشتیبانی از cuda و cpu optimization به‌ منظور سریعتر اجرا شدن

بعد از نصب به کمک این روش ماژول‌های غیر رایگان مثل
SURF, SIFT, ....
نیز قابل استفاده خواهد بود

تست شده :
Pop_OS 19.04, Cuda 10.0.1, Cudnn 7.5.0, Core i9