4_5870714737326557990.mp4
13.9 MB
Introduction to #JAX
« High performance #ML »
📚Resources: https://jax.readthedocs.io/en/latest/
#Deep_Learning #Numpy
@ml_nlp_cv
« High performance #ML »
📚Resources: https://jax.readthedocs.io/en/latest/
#Deep_Learning #Numpy
@ml_nlp_cv
یک مدل #شبکه_عصبی_عمیق برای شناسایی هواپیماها در تصاویر هوایی:
https://vrgl.ir/2XOI1
#Deep_Learning
@ml_nlp_cv
https://vrgl.ir/2XOI1
#Deep_Learning
@ml_nlp_cv
ویرگول
چطوری با بینایی کامپیوتر هواپیماها رو در تصویر هوایی پیدا کنیم؟
این بار می‌خواهیم یاد بگیریم که چطور برنامه‌هایی بنویسیم که هواپیما رو در تصاویر با استفاده از یادگیری عمیق تشخیص بده و مدلی طراحی خواهیم..…
گفتگو با دکتر علی فرهادی ارائه کننده روش های Yolo، به زودی در این صفحه:
https://www.instagram.com/p/CIGuvHqAkEF/?igshid=1drmnj0rhqpuf
#Yolo #Object_Detection #Deep_Learning
@ml_nlp_cv
https://www.instagram.com/p/CIGuvHqAkEF/?igshid=1drmnj0rhqpuf
#Yolo #Object_Detection #Deep_Learning
@ml_nlp_cv
Google
Ali Farhadi
Professor, Computer Science and Engineering, University of Washington - Cited by 186,488 - Computer Vision - Machine learning - Artificial Intelligence
MIT Introduction to #Deep_Learning
And specifically, lecture about RNN and its modifications:
https://youtu.be/qjrad0V0uJE
The course is excellent as well, but more about image processing. For NLP beginners, such clear and elegant survey about RNNs will be quite useful. So, a lot of architectures in NLP models came from image processing tasks. If you want to recap some theory or get understanding of basics of DL — strong recommendation!
@ml_nlp_cv
And specifically, lecture about RNN and its modifications:
https://youtu.be/qjrad0V0uJE
The course is excellent as well, but more about image processing. For NLP beginners, such clear and elegant survey about RNNs will be quite useful. So, a lot of architectures in NLP models came from image processing tasks. If you want to recap some theory or get understanding of basics of DL — strong recommendation!
@ml_nlp_cv
YouTube
MIT 6.S191 (2021): Recurrent Neural Networks
MIT Introduction to Deep Learning 6.S191: Lecture 2
Recurrent Neural Networks
Lecturer: Ava Soleimany
January 2021
For all lectures, slides, and lab materials: http://introtodeeplearning.com
Lecture Outline
0:00 - Introduction
2:37 - Sequence modeling…
Recurrent Neural Networks
Lecturer: Ava Soleimany
January 2021
For all lectures, slides, and lab materials: http://introtodeeplearning.com
Lecture Outline
0:00 - Introduction
2:37 - Sequence modeling…
Deep Learning.pdf
6.7 MB
یادگیری عمیق
اصول مفاهیم و رویکردها
تالیف و گردآوری: میلاد وزان
کتاب به زبان فارسی است.
#یادگیری_عمیق
#DeepLearning #Deep_Learning #Deep
@ml_nlp_cv
اصول مفاهیم و رویکردها
تالیف و گردآوری: میلاد وزان
کتاب به زبان فارسی است.
#یادگیری_عمیق
#DeepLearning #Deep_Learning #Deep
@ml_nlp_cv
Forwarded from RecommenderSystems
2021 Deep learning principles concepts and approaches.pdf
7.7 MB
2021 Deep learning: principles, concepts and approaches
یادگیری عمیق: اصول، مفاهیم و رویکردها، ویرایش نخست، تهران، میعاد اندیشه، ۱۳۹۹
http://miladvazan.ir
#یادگیری_عمیق #مفاهیم #وزان #میلاد_وزان
#Deep #DeepLearning #Deep_Learning #Principles #Concepts #Approaches #Principle #Concept #Approache
@Recommender_Systems
یادگیری عمیق: اصول، مفاهیم و رویکردها، ویرایش نخست، تهران، میعاد اندیشه، ۱۳۹۹
http://miladvazan.ir
#یادگیری_عمیق #مفاهیم #وزان #میلاد_وزان
#Deep #DeepLearning #Deep_Learning #Principles #Concepts #Approaches #Principle #Concept #Approache
@Recommender_Systems
یادگیری_ماشین_و_علم_داده_مبانی_مفاهیم_الگوریتم‌ها_و_ابزارها.pdf
15.4 MB
کتاب یادگیری ماشین و علم داده: مبانی، مفاهیم، الگوریتم‌ها و ابزارها
چاپ اول 1400
دانلود نسخه الکترونیکی به صورت رایگان:
https://www.researchgate.net/profile/Milad-Vazan/publication/358263339_yadgyry_mashyn_w_lm_dadh_mbany_mfahym_algwrytmha_w_abzarha/links/61f90216007fb504472c5dc1/yadgyry-mashyn-w-lm-dadh-mbany-mfahym-algwrytmha-w-abzarha.pdf
miladvazan.ir
#Machine_Learning #MachineLearning #Free #eBook #Vazan #Tools #Algorithm #Tabriz #Python #Mathematical #Model #Mathematical_Models
@Recommender_Systems
چاپ اول 1400
دانلود نسخه الکترونیکی به صورت رایگان:
https://www.researchgate.net/profile/Milad-Vazan/publication/358263339_yadgyry_mashyn_w_lm_dadh_mbany_mfahym_algwrytmha_w_abzarha/links/61f90216007fb504472c5dc1/yadgyry-mashyn-w-lm-dadh-mbany-mfahym-algwrytmha-w-abzarha.pdf
miladvazan.ir
#Machine_Learning #MachineLearning #Free #eBook #Vazan #Tools #Algorithm #Tabriz #Python #Mathematical #Model #Mathematical_Models
@Recommender_Systems
Awesome Computer Vision: Awesome Books, Courses, Papers, Software, Datasets, Pre-trained Computer Vision Models, Tutorials, Talks, Blogs, Links and Songs related to Computer Vision.
مجموعه‌ای کامل از کتاب‌ها، دوره‌ها، مقالات، دیتاست و مدل‌های ترین‌شده در زمینه بینایی ماشین
https://github.com/jbhuang0604/awesome-computer-vision
#Computer_Vision #DataSets #Deep_Learning #بینایی_کامپیوتر #منابع #Github
@ml_nlp_cv
مجموعه‌ای کامل از کتاب‌ها، دوره‌ها، مقالات، دیتاست و مدل‌های ترین‌شده در زمینه بینایی ماشین
https://github.com/jbhuang0604/awesome-computer-vision
#Computer_Vision #DataSets #Deep_Learning #بینایی_کامپیوتر #منابع #Github
@ml_nlp_cv
حتما این رشته توییت در مورد تعمیم‌پذیری و Flat Minima رو ببینید. بهینه‌ساز SGD ذاتا به دنبال flat minima می‌گرده و از این نظر generalization بهتری نسبت به بهینه‌ساز Adam داره. ولی دقیقا هم به flat minima نمی‌رسه. که خُب رویکردهای دیگری هم ارائه شد:
Two popular flat-minima optimization approaches are: 1. Stochastic Weight Averaging (SWA), and 2. Sharpness-Aware Minimization (SAM)
بهینه‌ساز SWA خیلی قدرتمند عمل کرده و به صورت رسمی در Pytorch نسخه 1.6 هم گنجونده شده...
#Generalization #Optimizer #Deep_Learning
@ml_nlp_cv
Two popular flat-minima optimization approaches are: 1. Stochastic Weight Averaging (SWA), and 2. Sharpness-Aware Minimization (SAM)
بهینه‌ساز SWA خیلی قدرتمند عمل کرده و به صورت رسمی در Pytorch نسخه 1.6 هم گنجونده شده...
#Generalization #Optimizer #Deep_Learning
@ml_nlp_cv
Twitter
Tanishq Mathew Abraham
What matters most when training a neural network is how well it generalizes to unseen data. For neural networks, it turns out there's a simple principle that can allow you to understand model generalization. (1/18) A thread ↓