در حال بارگذاری

دسته‌بندی

دیگر سرویس‌‌ها

آپارات در موبایل Windows ,Android ,IOS
علیرضا اخوان پور ویدیو‌های یادگیری ژرف پیشرفته
بازگشت به کانال

ویدیوهای یادگیری ژرف پیشرفته

  • مباحث ویژه 2 - جلسه 23 - آخرین جلسه(pix2pix و CycleGAN)

    888 بازدید

    در این جلسه در ادامه مبحث GAN پیرامون Image-to-Image Translation و روش های pix2pix و CycleGAN بحث شد و همچنین یک پیاده سازی کامل ا pix2pix را در تنسرفلو با کراس دیدیم. اسلاید: http://fall97.class.vision/slides/17.pdf کد: http://nbviewer.jupyter.org/github/alireza-akhavan/class.vision/blob/master/57-gan-pix2pix_tensorflow_eager.ipynb

  • مباحث ویژه 2 - جلسه 22 (شبکه های مولد تخاصمی - GAN)

    1,029 بازدید

    در این جلسه یک ساعته با شبکه های GAN آشنا شدیم و مفاهیم ابتدایی آن بیان گردید. ابتدا یک GAN خیلی ساده در Keras روی اعداد دست نوشته فارسی پیاده سازی کرده و به تولید اعداد دست نوشته ی جدید فارسی پرداختیم، سپس در ادامه Transposed convolution مطرح شد و پس از آشنایی با این عملگر شبکه های DCGAN یا Deep Convolutional GAN ها را پیاده سازی کردیم.

  • مباحث ویژه 2 - جلسه 21 (انتقال سبک با شبکه های عمیق)

    424 بازدید

    در این جلسه انتقال به بررسی سبک یا neural style transfer پرداخته شد و آن را در Keras پیاده سازی کردیم.

  • مباحث ویژه 2 - جلسه 20 (سیستم توصیه گر - style transfer)

    575 بازدید

    در این جلسه یک روش سیستم توصیه گر (recommender systems) کتاب را بررسی کرده و در کراس پیاده سازی کردیم. در ادامه این جلسه مقدمات style transfer با شبکه های عمیق بیان شد.

  • مباحث ویژه 2 - جلسه 19 (ادامه پیاده سازی trigger word - تولید موسیقی)

    565 بازدید

    در این جلسه ابتدا مساله تشخیص کلمه trigger در RNNها مرور شد و پیاده سازی آن را به اتمام رساندیم. در ادامه music generation با RNN ها را خلاصه بررسی و پیاده سازی کردیم. در انتهای جلسه از مبحث RNN ها خارج شده و مساله collaborative filtering و یک سیستم پیشنهاد دهنده برای کتاب را مطرح و بررسی کردیم. این مبحث در جلسه ی بعدی کامل خواهد شد.

  • مباحث ویژه 2 - جلسه 18 (پردازش صوت در RNNها)

    629 بازدید

    ابتدا با مفهوم صوت و مفهوم spectogram به عنوان ویژگی با معنی برای صوت آشنا شدیم. سپس برای بازشناسی گفتار دو روش بر پایه attention و CTC loss خلاصه بیان شد. در انتهای جلسه trigger word detection به عنوان یک مساله ساده شده صوت را معرفی کردیم و راهکار آموزش آن بیان شد. در ادامه پیاده سازی یک RNN حساس به کلمه ای خاص را پیاده سازی کردیم.

  • مباحث ویژه 2 - جلسه 17 (Attention در RNNها)

    691 بازدید

    در این جلسه توجه یا attention در پردازش زبان طبیعی با مثال ترجمه ماشینی آموزش داده شد و پیاده سازی در فریم ورک Keras مورد بررسی قرار گرفت.

  • مباحث ویژه 2 - جلسه 16 (مدلهای seq2seq)

    555 بازدید

    در این جلسه مبانی مدل های Seq2Seq و machine translation بیان شد.

  • مباحث ویژه 2 - جلسه 15 (image captioning)

    638 بازدید

    در این جلسه میزبان آقای مهدی زاده بودیم و ایشان مبحث image captioning را در فریم ورک Keras آموزش دادند.

  • مباحث ویژه 2 - جلسه 14 (تولید اشعاری شبیه به شاهنامه)

    783 بازدید

    در این جلسه یک مثال Text generation در سطح کاراکتر با شبکه های RNN در تنسرفلو دیدیم و با مجموعه داده شاهنامه آن را آموزش دادیم. در این مثال از لایه embedding در سطح کاراکتر استفاده کردیم و همچنین با Eager Execution تنسرفلو بیشتر آشنا شدیم.

  • مباحث ویژه 2 - جلسه 13 (word analogy و طبقه بندی متن)

    747 بازدید

    در این جلسه به صورت عملی مباحث جلسات قبل را در پایتون و Keras بررسی کردیم. در ابتدا word analogy را در وزن های از قبل آموزش داده شده بررسی کردیم. سپس مشکل بایاس جنسیتی را رفع کرده و در آخر یک طبقه بند متن یک بار با روش میانگیری embedding و یکبار با شبکه های بازگشتی را پیاده سازی کردیم. در این مثال از دیتاست Emoji استفاده شد و هدف انتخاب خودکار emoji مناسب برای هر جمله بوده است.

  • مباحث ویژه 2 - جلسه 12 ( آموزش Word Embeddings - روش glove)

    667 بازدید

    در این جلسه یک روش دیگر برای آموزش word embedding مطرح شد و در آخر مشکل bias این روش ها و رفع آن ها بیان گردید.

  • مباحث ویژه 2 - جلسه 11 ( آموزش Word Embeddings - روش word2Vec)

    823 بازدید

    در این جلسه با روش word2vec برای آموزش word embedding آشنا شدیم. -Word2Vec - Skip-grams - Problems with softmax classification - Negative Sampling -

  • مباحث ویژه 2 - جلسه 10 ( Word Embeddings)

    798 بازدید

    در این جلسه با پردازش زبان طبیعی(NLP) و Word Embeddings آشنا شدیم. در مورد مفهوم Analogy در embedding کلمات مورد بحث قرار گرفت و در آخر یک مثال ساده در کتابخانه Keras برای طبقه بندی نظرات در وب سایت IMDB را بررسی کردیم.

  • مباحث ویژه 2 - جلسه 9 ( شبکه های بازگشتی GRU و LSTM)

    907 بازدید

    در این جلسه در ادامه ی مبحث RNN ها(شبکه های بازگشتی) و مشکل vanishing gradientکه انتهای جلسه ی هشتم مطرح گردید دو تغییر از این نوع شبکه ها به ترتیب GRU و LSTM بیان شدند. سپس Bidirectional RNN و Deep RNN به صورت مختصر معرفی شده و در انتهای جلسه یک مدل زبانی character level با Keras پیاده سازی شد.

  • مباحث ویژه 2 - جلسه 8 ( شبکه های بازگشتی RNN)

    1,065 بازدید

    در این جلسه مباحث مربوط به شبکه های بازگشتی RNN، Forward propagation و backpropagation در یک RNN ساده. معرفی مدل زیانی و نحوه ایجاد یک جمله جدید با این شبکه ها بیان شد.

  • مباحث ویژه 2 - جلسه 7

    815 بازدید

    در ابتدای جلسه multi-label classification در کتابخانه fastAI مورد بررسی قرار داده شد. سپس مقدمه ای خیلی کوتاه از RNNها و لزوم آنها بیان شد.

  • مباحث ویژه 2 - جلسه 6

    900 بازدید

    در این جلسه Global Pooling و Adaptive pooling مطرح شد و به ایده آموزش یک شبکه با تصاویر با سایز متفاوت در ایپاک های مختلف در فریم ورک FastAI پرداخته شد.

  • مباحث ویژه 2 - جلسه 5

    759 بازدید

    در این جلسه مقدمات کتابخانه FastAI مطرح شد و برخی از ایده های آن از جمله پیدا کردن Learning Rate مناسب، Stochastic Gradient Descent with Restarts

  • مباحث ویژه 2 - جلسه 4

    789 بازدید

    پیاده سازی یک شبکه عصبی تمام-متصل و یک شبکه عصبی کانولوشنالی با تنسرفلو برای مجموعه داده mnist.

  • مباحث ویژه 2 - جلسه 3

    905 بازدید

    ادامه تنسورفلو مقدماتی - آشنایی با placeholder و Variable در Tensorflow و مفهوم Feed کردن و fetch کردن از گراف

  • مباحث ویژه 2 - جلسه 2

    847 بازدید

    ادامه مبحث multi-label classification در Keras مقدمات low level API تنسورفلو (Tensorflow) و آشنایی با گراف، constant، Tensorو session در تنسورفلو

  • مباحث ویژه 2 - جلسه 1

    1,928 بازدید

    این درس در ادامه ی بحث های مباحث ویژه ی ترم پیش که ویدیوها در همین کانال آپلود شده است بیان خواهد شد و پیش نیاز این درس مباحث ویژه ی 1 با موضوع مقدمات بینایی کامپیوتر و یادگیری عمیق ترم زمستان 96-97 است. در ابتدای این جلسه به بیان مباحث batch-norm و Learning rate decay پرداخته شد و سپس مبحث multi-label classification و پیاده سازی آن در Keras مطرح شد.