آموزش قدرت پایتورچ: از صفر تا قهرمانی یادگیری عمیق - پایتورچ - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• محتوای دوره Course Content

• معرفی مدرس و Aisciences Introduction to Instructor and Aisciences

• مزایای فریم‌ورک Benefits of Framework

• نصب و راه‌اندازی‌ها Installations and Setups

• لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

تنسور Tensor

• لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

• معرفی تنسور Introduction to Tensor

• لیست در مقابل آرایه در مقابل تنسور List vs Array vs Tensor

• عملیات حسابی Arithmetic Operations

• عملیات تنسور Tensor Operations

• اتو-گرادیانت‌ها Auto-Gradiants

• راه‌حل فعالیت Activity Solution

• جدا کردن گرادیان‌ها Detaching Gradients

• بارگذاری GPU Loading GPU

• کدام یک از موارد زیر در مورد تنسورها در PyTorch صحیح است؟ Which of the following is true about tensors in PyTorch?

• برای تغییر شکل یک تنسور بدون تغییر داده‌های آن، از کدام عملیات استفاده می‌کنید؟ Which operation would you use to change the shape of a tensor without changing its data?

• چگونه بررسی می‌کنید که یک تنسور روی GPU است؟ How do you check if a tensor is on a GPU?

• برای انجام جمع عنصر به عنصر دو تنسور از چه تابعی استفاده می‌شود؟ What function is used to perform element-wise addition of two tensors?

• متد ‎.backward()‎ در PyTorch چه کاری انجام می‌دهد؟ What does the .backward() method do in PyTorch?

• برای ایجاد یک تنسور با مقادیر تصادفی، از کدام تابع استفاده می‌کنید؟ Which function would you use to create a tensor with random values?

3-شبکه‌های عصبی (NN) با تنسور 3-NN with Tensor

• لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

• معرفی ماژول Introduction to Module

• شبکه‌های عصبی پایه بخش ۱ Basic NN part 1

• شبکه‌های عصبی پایه بخش ۲ Basic NN part 2

• توابع زیان Loss Functions

• توابع فعال‌سازی و لایه‌های پنهان Activation Functions & Hidden Layers

• بهینه‌سازها Optimizers

• بارگذاری کننده داده (Data Loader) و مجموعه داده (Dataset) Data Loader & Dataset

• فعالیت Activity

• راه‌حل فعالیت Activity Solution

• فرمت‌بندی خروجی Formating the Output

• نمودار برای زیان Graph for Loss

• هدف از تابع فعال‌سازی در یک شبکه عصبی چیست؟ What is the purpose of an activation function in a neural network?

• کدام یک از موارد زیر یک تابع زیان رایج برای وظایف طبقه‌بندی است؟ Which of the following is a common loss function for classification tasks?

• بهینه‌ساز در فرآیند آموزش یک شبکه عصبی چه کاری انجام می‌دهد؟ What does the optimizer do in the training process of a neural network?

• کدام تابع فعال‌سازی مقادیری بین ۰ و ۱ تولید می‌کند؟ Which activation function outputs values between 0 and 1?

• نقش DataLoader در PyTorch چیست؟ What is the role of a DataLoader in PyTorch?

• nn.Module در PyTorch چه چیزی را نشان می‌دهد؟ What does nn.Module represent in PyTorch?

• کدام بهینه‌ساز به دلیل استفاده از نرخ‌های یادگیری تطبیقی شناخته شده است؟ Which optimizer is known for using adaptive learning rates?

• متد ‎.zero_grad()‎ چه کاری انجام می‌دهد؟ What does the .zero_grad() method do?

شبکه‌های عصبی کانولوشنی (CNN) CNN

• لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

• معرفی ماژول Introduction to Module

• CNN در مقابل NN CNN vs NN

• معرفی کانولوشن Introduction to Convolution

• انیمیشن‌های کانولوشن Convolution Animations

• کانولوشن با استفاده از PyTorch Convolution using Pytorch

• معرفی پولینگ (جمع‌آوری) Introduction to Pooling

• پولینگ با استفاده از Numpy Pooling using Numpy

• پولینگ در PyTorch Pooling in Pytorch

• معرفی پروژه Introduction to Project

• پروژه (بارگذاری داده) Project (Data Loading)

• پروژه (تبدیلات) Project (Transforms)

• پروژه (DataLoaders) Project (DataLoaders)

• پروژه (معماری CNN) Project (CNN Architect)

• پروژه (انتشار رو به جلو) Project (Forward Propagation)

• پروژه (آموزش CNN) Project (Training CNN)

• پروژه (تحلیل خروجی مدل) Project (Analyzing Model Output)

• پروژه (انجام پیش‌بینی‌ها) Project (Making Predictions)

• CNN مخفف چیست؟ What does CNN stand for?

• یک مورد استفاده رایج برای لایه‌های پولینگ در CNNها چیست؟ What is a common use case for pooling layers in CNNs?

• کدام تابع معمولاً برای انجام مکس پولینگ (max pooling) در PyTorch استفاده می‌شود؟ Which function is commonly used to perform max pooling in PyTorch?

• چگونه یک لایه کانولوشنی را در PyTorch تعریف می‌کنید؟ How do you define a convolutional layer in PyTorch?

• نقش لایه کاملاً متصل (Fully Connected Layer) در یک CNN چیست؟ What is the role of the fully connected layer in a CNN?

• پروژه نهایی در این دوره چیست؟ What is the final project in this course?

• چه تکنیکی برای مقابله با اورفیتینگ (overfitting) در CNNها استفاده می‌شود؟ What technique is used to handle overfitting in CNNs?

• یک CNN چه تفاوتی با یک شبکه عصبی سنتی دارد؟ How is a CNN different from a traditional neural network?