آموزش عمیق برای بینایی کامپیوتر در TensorFlow[2024]

سرفصل ها و درس ها

معرفی Introduction

• خوش آمدی Welcome

• مقدمه کلی General Introduction

• محتوای دوره Course Content

• پیوند به کد Link to Code

تانسورها و متغیرها Tensors and Variables

• پیوند به کد Link to Code

• مبانی تانسور Tensor Basics

• راه اندازی و ریخته گری تانسور Tensor Initialization and Casting

• نمایه سازی Indexing

• عملیات ریاضی در تنسورفلو Maths Operations in Tensorflow

• عملیات جبر خطی در Tensorflow Linear Algebra Operations in Tensorflow

• روش‌های رایج تنسورفلو Common Tensorflow Methods

• تانسورهای پاره پاره Ragged Tensors

• تانسورهای پراکنده Sparse Tensors

• تانسورهای رشته String Tensors

• متغیرهای تنسورفلو Tensorflow Variables

ساخت یک شبکه عصبی ساده در تنسورفلو Building a Simple Neural Network in Tensorflow

• پیوند به کد Link to Code

• پیوند به مجموعه داده Link to Dataset

• درک وظیفه Task Understanding

• آماده سازی داده ها Data Preparation

• مدل رگرسیون خطی Linear Regression Model

• تحریم خطا Error Sanctioning

• آموزش و بهینه سازی Training and Optimization

• اندازه گیری عملکرد Performance Measurement

• اعتبار سنجی و آزمایش Validation and Testing

• اقدامات اصلاحی Corrective Measures

ساخت شبکه های عصبی کانولوشنال [تشخیص مالاریا] Building Convolutional Neural Networks [Malaria Diagnosis]

• پیوند به کد Link to Code

• درک وظیفه Task Understanding

• آماده سازی داده ها Data Preparation

• تجسم داده ها Data Visualization

• پردازش داده ها Data Processing

• چگونه و چرا شبکه های عصبی کانولوشن کار می کنند How and Why Convolutional Neural Networks work

• ساخت شبکه های ارتباطی در تنسورفلو Building Convnets in Tensorflow

• از دست دادن متقاطع باینری Binary Crossentropy Loss

• آموزش Convnet Convnet Training

• ارزیابی و آزمایش مدل Model Evaluation and Testing

• بارگیری و ذخیره مدل‌های تنسورفلو در Google Drive Loading and Saving Tensorflow Models to Google Drive

ساخت مدل های پیشرفته تر با API عملکردی، طبقه بندی فرعی و لایه های سفارشی Building more advanced Models with Functional API, Subclassing and Custom Layers

• API عملکردی Functional API

• زیر طبقه بندی مدل Model Subclassing

• لایه های سفارشی Custom Layers

ارزیابی مدل های طبقه بندی Evaluating Classification Models

• دقت، یادآوری و دقت Precision,Recall and Accuracy

• ماتریس سردرگمی Confusion Matrix

• منحنی ROC ROC Curve

بهبود عملکرد مدل Improving Model Performance

• تماس های تنسورفلو Tensorflow Callbacks

• زمان بندی میزان یادگیری Learning rate scheduling

• ایست بازرسی مدل Model checkpointing

• کاهش بیش از حد برازش و عدم تناسب با حذف، منظم سازی Mitigating Overfitting and Underfitting with Dropout, Regularization

افزایش داده ها Data Augmentation

• تقویت داده ها با TensorFlow با استفاده از tf.image و لایه های Keras Data augmentation with TensorFlow using tf.image and Keras Layers

• مخلوط کردن افزایش داده با TensorFlow 2 با ادغام در tf.data Mixup Data augmentation with TensorFlow 2 with intergration in tf.data

• Cutmix Data Augmentation با TensorFlow 2 و ادغام در tf.data Cutmix Data augmentation with TensorFlow 2 and intergration in tf.data

• آلبوم سازی با TensorFlow 2 و PyTorch برای تقویت داده ها Albumentations with TensorFlow 2 and PyTorch for Data augmentation

مفاهیم پیشرفته تنسورفلو Advanced Tensorflow Concepts

• از دست دادن سفارشی و معیارها Custom Loss and Metrics

• حالت های مشتاق و نمودار Eager and Graph Modes

• حلقه های آموزشی سفارشی Custom Training Loops

ادغام Tensorboard Tensorboard Integration

• ثبت داده ها Data Logging

• مشاهده نمودارهای مدل Viewing Model Graphs

• تنظیم فراپارامتر Hyperparameter tuning

• نمایه سازی و سایر تجسم ها با Tensorboard. Profiling and other visualizations with Tensorboard.

MLO با وزن و تعصب MLOps with Weights and Biases

• ردیابی آزمایش Experiment Tracking

• تنظیم هایپرپارامتر با وزن ها و بایاس ها و TensorFlow 2 Hyperparameter Tuning with Weights and Biases and TensorFlow 2

• نسخه‌سازی مجموعه داده با وزن‌ها و بایاس‌ها و TensorFlow 2 Dataset Versioning with Weights and Biases and TensorFlow 2

• نسخه سازی داده ها با Wandb Data Versioning with Wandb

• نسخه‌سازی مدل با وزن‌ها و بایاس‌ها و تنسورفلو ۲ Model Versioning with Weights and Biases and TensorFlow 2

تشخیص احساسات انسانی Human Emotions Detection

• پیوند به کد Link to Code

• آماده سازی داده ها Data Preparation

• مدلسازی و آموزش Modeling and Training

• افزایش داده ها Data augmentation

• رکوردهای تنسورفلو Tensorflow Records

شبکه های عصبی کانولوشنال مدرن Modern Convolutional Neural Networks

• الکس نت Alexnet

• Vggnet Vggnet

• Resnet Resnet

• کدگذاری Resnet Coding Resnet

• موبایل نت Mobilenet

• Efficientnet Efficientnet

یادگیری انتقالی Transfer Learning

• استفاده از مدل های از پیش آموزش دیده Leveraging Pretrained Models

• تنظیم دقیق Finetuning

شیرجه رفتن در جعبه سیاه Diving into the blackbox

• تجسم لایه های میانی Visualizing intermediate layers

• روش Grad-cam Grad-cam Method

گروه بندی و عدم تعادل طبقاتی Ensembling and class imbalance

• گروه بندی Ensembling

• عدم تعادل طبقاتی Class Imbalance

ترانسفورماتورها در ویژن Transformers in Vision

• درک VIT ها Understanding VITs

• ساخت VIT از ابتدا Building VITs from scratch

• ترانسفورماتورهای Huggingface Finetuning Finetuning Huggingface Transformers

• ارزیابی مدل با Wandb Model Evaluation with Wandb

• ترانسفورماتورهای کارآمد داده Data efficient transformers

• ترانسفورماتورهای سویین Swin Transformers

استقرار مدل Model Deployment

• تبدیل مدل از Tensorflow به Onnx Model Conversion from Tensorflow to Onnx

• درک کوانتیزاسیون Understanding quantization

• کوانتیزاسیون عملی مدل Onnx Practical quantization of Onnx model

• آموزش کوانتیزاسیون آگاه Quantization Aware training

• تبدیل به مدل Tensorflow lite Conversion to Tensorflow lite model

• API چیست What is an API

• ساخت Emotions Detection API با Fastapi Building the Emotions Detection API with Fastapi

• API تشخیص احساسات را در Cloud مستقر کنید Deploy the Emotions Detection API to the Cloud

• API تشخیص احساسات را با Locust بارگیری کنید Load tesing the Emotions Detection API with Locust

تشخیص اشیا با الگوریتم YOLO Object Detection with YOLO algorithm

• پیوند به کد Link to COde

• درک تشخیص اشیا Understanding object detection

• کاغذ YOLO YOLO Paper

• آماده سازی مجموعه داده ها Dataset Preparation

• YOLO Resnet YOLO Resnet

• YOLO باخت YOLO Loss

• افزایش داده ها Data augmentation

• آزمایش کردن Testing

• مولدهای داده Data generators

تقسیم بندی تصویر Image segmentation

• پیوند به کد Link to Code

• تقسیم بندی تصویر - مجموعه داده های حیوانات خانگی Oxford IIIT Image Segmentation - Oxford IIIT Pet Dataset

• مدل UNET UNET model

• آموزش و بهینه سازی Training and Optimization

• افزایش داده ها و حذف Data Augmentation and Dropout

• وزن کلاس و کاهش شبکه Class weighting and reduced network

مردم در حال شمارش People Counting

• پیوند به کد Link to Code

• شمارش افراد - مجموعه داده های فناوری شانگایی People Counting - Shangai Tech Dataset

• آماده سازی مجموعه داده ها Dataset Preparation

• CSRNET CSRNET

• آموزش و بهینه سازی Training and Optimization

• افزایش داده ها Data Augmentation

تولید تصویر Image Generation

• پیوند به کد Link to Code

• مقدمه ای بر تولید تصویر Introduction to Image generation

• آشنایی با رمزگذارهای خودکار متغیر Understanding Variational autoencoders

• آموزش VAE و تولید رقم VAE training and digit generation

• تجسم فضای پنهان Latent space visualizations

• GAN ها چگونه کار می کنند How GANs work

• ضرر GAN The GAN Loss

• بهبود آموزش GAN Improving GAN training

• تولید چهره با GAN Face generation with GANs

برنامه نویسی ضروری پایتون Essential Python Programming

• نصب پایتون Python Installation

• اظهارات مشروط Conditional Statements

• متغیرها و عملگرهای پایه Variables and Basic Operators

• حلقه ها Loops

• مواد و روش ها Methods

• اشیاء و کلاس ها Objects and Classes

• بارگذاری بیش از حد اپراتور Operator Overloading

• انواع روش Method Types

• وراثت Inheritance

• کپسوله سازی Encapsulation

• پلی مورفیسم Polymorphism

• دکوراتورها Decorators

• ژنراتورها Generators

• بسته Numpy Numpy Package

• مقدمه Matplotlib Matplotlib Introduction