آموزش BOOTCAMP برای پروژه های TensorRT-ONNX 12+ و پایتون

BOOTCAMP for TensorRT-ONNX 12+ projects and Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: دوره کامل کامل TensorRT در مقابل ONNX. با دانش منحصر به فرد پیشرفته استخدام شوید 1. Docker چیست و نحوه استفاده از Docker و کاربرد عملی آنها 2. Kubernet چیست و نحوه استفاده با Docker و کاربرد عملی آنها 3. Nvidia SuperComputer و Cuda زبان برنامه نویسی و کاربرد عملی آنها 4. چیست؟ OpenCL و OpenGL هستند و زمان استفاده و کاربرد عملی آنها 6. (LAB) Tensorflow/TF2 و نصب Pytorch، پیکربندی با DOCKER 7. (LAB)DockerFile، Docker Compile و Docker Compose پیکربندی فایل اشکال زدایی 8. (LAB)نسخه مختلف YOLO 9. (LAB) ویرایشگر نوت بوک Jupyter و همچنین مهارت های برنامه نویسی ویژوال استودیو 10. (LAB) راه اندازی کد ویژوال استودیو و اشکال زدایی داکر با VS 11. (LAB) چه زمانی از کدام نسخه YOLO استفاده کنید. چارچوب ONNX است و نحوه استفاده از application onnx برای مشکلات سفارشی شما 11. (LAB) TensorRT Framework چیست و نحوه استفاده از آن برای مشکلات سفارشی شما چیست 12. (LAB) تشخیص سفارشی، طبقه بندی، مشکلات تقسیم بندی و استنتاج بر روی تصاویر و ویدیوها 13 (LAB) برنامه نویسی شی گرا Python3 14. (LAB) برنامه نویسی زبان Pycuda 15. (LAB) مهارت های حل مسئله یادگیری عمیق در دستگاه های لبه و محاسبات ابری 16. (LAB) نحوه تولید مدل های استنتاج با کارایی بالا، به منظور به دست آوردن. دقت بالا، تشخیص FPS و همچنین مصرف کمتر حافظه gpu 17. (LAB) کد ویژوال استودیو با داکر 18. (چالش آزمایشگاهی) استنتاج yolov4 onnx با opencv dnn 19. (چالش LAB) استنتاج yolov5 onnx با opencv dnn 20.(LAB چالش) استنباط yolov5 onnx با Opencv DNN 21. (چالش LB) استنباط yolov5 onnx با TensorRT و Pycuda 22. (LAB) طبقه بندی تصویر ResNet با TensorRT و Pycuda 23. (LAB) استنباط yolov5 onnx روی فریم های ویدیویی و Pycuda 2. (LAB) خود را برای استنتاج برنامه نویسی شی گرا پایتون آماده کنید! 25. (LAB) وراثت پایتون OOP بر اساس تشخیص شیء YOLOV7 26. دانش تئوریک عمیق در مورد تشخیص اهداف کوچک و پوشش تصویر 27. بینش عمیق در معماری های Yolov5/Yolov6/Yolov7/Yolov8 و 28 کاربرد عملی در Yolov5. مدل‌های P6 و کاربرد عملی آن‌ها 29. تفاوت‌های کلیدی: اندازه دسته صریح و ضمنی 30. (نظریه) آموزش نمایه بهینه‌سازی TenSorRT 31. (نظریه) دانش TensorRT را تقویت کنید آزمون‌های سطح مبتدی 32. (تئوری چالش برای سطح رسانه‌ای) آزمون‌ها 33. چالش تئوری) آزمون‌های TensorRT  دانش برای آزمون‌های سطح پیشرفته 34. (چالش تئوری) زمان اجرای Cuda برای مبتدی/متوسط/آزمایش‌های عملی و نظری پیشرفته 35. (چالش تئوری) با انجام دادن OpenCV-ON عملی خود را تقویت کنید. آزمونها 36. (دانش نظری عمیق) استنتاج ورودی و خروجی مدل YoloV8 ONNX 37. (دانش عمیق نظری) استفاده از مدل YoloV8 و بخشهای کاربردی. 38. (دانش عمیق عملی) YoloV8 ONNX Model for Detection and Segmentation 39. (Bonus Lecture) تسلط بر یادگیری تقویتی عمیق با تمرینات پیشرفته

برای چه کسانی، این دوره بسیار توصیه می شود:


این دوره عمدتاً برای هر دانش آموز (دانشجو، مهندس، متخصص) که انگیزه زیادی برای یادگیری آموزش مدل یادگیری عمیق و استقرار دارند در نظر گرفته می شود. داوطلبان دانش عمیقی از داکر، استفاده از مدل های TENSORFLOW، PYTORCH، KERAS با DOCKER خواهند داشت. علاوه بر این، آنها قادر خواهند بود مدل‌های یادگیری عمیق را با فریم‌ورک‌های ONNX و TensorRT برای استقرار در بخش‌های مختلف مانند دستگاه‌های لبه (nvidia jetson nano، tx2، agx، xavier، qualcomm rb5، rasperry pi، ذرات فوتون/فوتون2) بهینه‌سازی کنند. ) ، AUTOMATIVE، ROBOTICS و همچنین محاسبات ابری از طریق AWS، AZURE DEVOPS، GOOGLE CLOUD، VALOHAI، SNOWFLAKES.


استفاده از TensorRT و ONNX در دستگاه‌های Edge:

دستگاه‌های Edge شتاب‌دهنده سخت‌افزاری داخلی با gpu nvidia هستند که امکان تسریع استنتاج بلادرنگ را 20 برابر سریع‌تر برای دستیابی به عملکرد سریع و دقیق فراهم می‌کند.

  1. nvidia jetson nano, tx2, agx, xavier : jetpack 4.5/4.6 cuda accelerative libraries

  2. Qualcomm rb5 همراه با دوربین Monoculare و Stereo Vision (CSI/MPI، دوربین USB)

  3. ذرات فوتون/فوتون2 اینترنت اشیا به منظور دستیابی به Web API، از طریق سیستم‌های تشخیص گفتار، برای خانه هوشمند

  4. رباتیک: بسته‌های سیستم‌های عملیاتی ربات برای دوربین‌های تک چشمی و استریو ویژن، به منظور آرامش سه بعدی، برای ردیابی و تعقیب انسان، هدف غیرعادی و تشخیص نویز مانند (صدای اسلحه، نویز پس‌زمینه بسیار بالا)

  5. Rasperry Pi 3A/3B/4B gpu OpenGL مبتنی بر کامپایلر


استفاده از TensorRT و ONNX در دستگاه های رباتیک:


  1. نمای کلی دستگاه‌های Nvidia و زبان کامپایلر Cuda

  2. دانش کلی OpenCL و OpenGL

  3. آموزش و نصب Docker از ابتدا

  4. آماده سازی DockerFiles، Docker Compose و همچنین Docker Compose Debug فایل

  5. پیاده سازی و کدهای پایتون از طریق نوت بوک Jupyter و همچنین کد ویژوال استودیو

  6. پیکربندی و نصب بسته های پلاگین در کد ویژوال استودیو

  7. آموزش، نصب و پیکربندی فریمورک هایی مانند Tensorflow، Pytorch، Kears با تصاویر docker از ابتدا

  8. پیش پردازش و آماده سازی مجموعه داده های یادگیری عمیق برای آموزش و آزمایش

  9. OpenCV DNN

  10. آموزش، آزمایش و اعتبار سنجی چارچوب های یادگیری عمیق

  11. تبدیل مدل های از پیش ساخته شده به Onnx و Onnx Inference بر روی تصاویر

  12. تبدیل مدل onnx به موتور TensorRT

  13. استنتاج موتور TensorRT روی تصاویر و ویدیوها

  14. مقایسه معیارهای به دست آمده و نتیجه بین TensorRT و Onnx Inference

  15. خود را برای استنتاج برنامه نویسی شی گرا پایتون آماده کنید!

  16. دانش عمیق در مورد مدل های بزرگ Yolov5 P5 و P6

  17. دانش عمیق در معماری Yolov5/YoloV6 و موارد استفاده از آنها

  18. مهارت کدنویسی عمیق نظری و عملی در مقاله تحقیقاتی مدلهای کوچک و بزرگ Yolov7/Yolov8

  19. دانش TensorRT را برای آزمون‌های سطح مبتدی تقویت کنید

  20. دانش TensorRT را برای آزمون‌های سطح متوسط ​​تقویت کنید

  21. دانش TensorRT را برای آزمون‌های سطح پیشرفته تقویت کنید

  22. تقویت درایورهای انویدیا برای مبتدی/متوسط/آزمون‌های نظری عملی پیشرفته

  23. تقویت زمان اجرای Cuda برای مبتدی/متوسط/آزمایشات نظری عملی پیشرفته

  24. دانش OpenCV-ONNX خود را با انجام آزمون‌های نظری عملی ترکیبی تقویت کنید

  25. مهارت های کدنویسی ONNX مبتدی و پیشرفته پایتون برای تنظیم خودکار فراپارامترها و ورودی های مدل Yolov8 ONNX (پردازش سریع تصویر یا ویدیو قبل از ارسال) برای تشخیص و تقسیم بندی معنایی

  26. یادگیری Deep Reinforcement با مثال عملی و برنامه نویسی عمیق پایتون مانند Game of Frozen Lake، Drone of Lunar Lader و غیره

  27. مدل های سفارشی آموزش مبتدی، متوسط ​​در مقابل انتقال پیشرفته

  28. طبقه بندی اشیاء مبتدی، متوسط ​​در مقابل پیشرفته

  29. مبتدی، محلی سازی و تشخیص اشیاء متوسط ​​در مقابل پیشرفته

  30. تقسیم بندی تصویر مبتدی، متوسط ​​در مقابل پیشرفته


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • چه کسانی می توانند این دوره را بگذرانند who can take this course

  • شرح دوره و اینکه چرا این دوره برای نیازهای شما بسیار انعطاف پذیر است course description and why this course is higly flexible for your needs

  • تشخیص، ردیابی، محاسبه فاصله (حداکثر 15 متر) محیط تشخیص اشیاء سه بعدی Detect, Track, Calculate Distance (max 15 metr ) 3D object detection Environment

  • تشخیص و ردیابی Detection and Tracking

  • مدل YOLOP برای تشخیص و بخش بندی استنتاج ONNX YOLOP Model for Detect and Segment ONNX Inference

  • تمرین، تمرین و دوباره تمرین Practice, Practice And Again Practice

  • دوره پروژه های Github Course Github Projects

  • شناسایی و ردیابی استنتاج سریع ویدیویی YoloV7 YoloV7 Fast Video Inference Detect and Track

ارزیابی های رتبه بندی دوره Course Rating Evalutions

  • چگونه به این دوره امتیاز دهیم؟ How to rate this course?

چگونه می توان این دوره را طی کرد و این دوره برای چه کسانی بسیار آموزنده است How can take this course and for whom this course is highly informative

  • بررسی اجمالی دوره با پروژه ها Course Overview with Projects

Onnx، TensorRT، نمای کلی Docker Onnx, TensorRT, Docker Overview

  • Onnx, TensorRT, Docker Tutorial (قسمت 1) Onnx, TensorRT, Docker Tutorial (part 1)

  • Onnx، TensorRT، Docker Tutorial (بخش 2) Onnx, TensorRT, Docker Tutorial (part 2)

  • Onnx, TensorRT, Docker Tutorial (بخش 3) Onnx, TensorRT, Docker Tutorial (part 3)

  • Onnx, TensorRT, Docker Tutorial (بخش 4) Onnx, TensorRT, Docker Tutorial (part 4)

درایورهای NVIDIA NVIDIA Drivers

  • نحوه نصب و راه اندازی درایورهای nvidia how to install nvidia drivers and set up

  • دانلود درایور انویدیا (قسمت دوم) Download Nvidia Driver (Part two)

  • نصب درایور Nvdia و درایور Nouveau را تأیید کنید Verify Installation of Nvdia Driver and Nouveau Driver

  • تأیید نصب درایور Nvidia (قسمت دوم) Verify Installation of Nvidia Driver (Part two)

درایورهای Nvidia را عمیقاً با انجام آزمون‌ها بیاموزید Learn Nvidia Drivers deeply, by doing quizzies

  • درایورهای Nvidia سطح مبتدی Nvidia Drivers Beginner Level

سخت افزار و نرم افزار انویدیا، سطوح API برنامه نویسی Cuda Nvidia Hardware and Software, Cuda programming API Levels

  • Docker و Nvidia Stack (قسمت اول) Docker and Nvidia Stack (Part One)

  • Docker و Nvidia Gpu Stack (قسمت دوم) Docker and Nvidia Gpu Stack (Part two)

  • Docker و Nvidia Gpu Stack (قسمت سوم) Docker and Nvidia Gpu Stack (Part three)

Cuda Runtime را با انجام Quizzies یاد بگیرید Learn Cuda Runtime by doing Quizzies

  • امتحانات سطح مبتدی در زمان اجرا Cuda Cuda Runtime Beginner Level Quizzies

نصب و پیکربندی Docker Docker Installation and Configuration

  • نصب و پیکربندی Docker Images Docker Images Installation and Configuration

  • راه اندازی و پیکربندی Docker با Sudo در ماشین محلی Docker SetUp and Configuration with Sudo on Local Machine

  • Docker را با موفقیت در ماشین محلی خود راه اندازی کنید Setup Docker Successfuly on your local Machine

یادگیری-تکرار ویژگی های ترکیبی OpenCV-ONNX با آزمون ها Learn-Repeat OpenCV-ONNX mixed features with Quizzies

  • ویژگی های ترکیبی OpenCV-ONNX برای مبتدیان OpenCV-ONNX Mixed Features for Beginners

  • ویژگی های Onnx Intermediate-Advance را با آزمون ها بیاموزید Learn Onnx Intermediate-Advance Features With Quizzies

نصب Docker Cuda Toolkit & Setup DockerFile با بسته های مورد نیاز Installation of Docker Cuda Toolkit & Setup DockerFile with required packages

  • نصب Docker Cuda Toolkit-Nvidia GPU Installing Docker Cuda Toolkit-Nvidia GPU

  • تصویر Docker Tensorflow-GPU را نصب، پیکربندی، تأیید اعتبار کنید Install, Configure,Validate Tensorflow-GPU Docker Image

  • داکر چیست؟ و چرا باید از Docker Server-Docker Commands Tutorial استفاده کنیم What is Docker? and why we need to use Docker Server-Docker Commands Tutorial

  • پیکربندی Docker Working Directory و DockerFiles Configuration of Docker Working Directories and DockerFiles

  • سازماندهی فایل های Docker با نصب بسته های مورد نیاز (قسمت اول) Organization of Docker files with required packages installations (Part One)

  • سازماندهی فایل های Docker با نصب بسته های مورد نیاز (قسمت دوم) Organization of Docker files with required packages installations (Part Two)

چارچوب های TensorRT و Onnx AI TensorRT & Onnx AI frameworks

  • ارتباط درایور، هسته و دستگاه Driver , Kernel and Device Communication

  • چارچوب های یادگیری عمیق Deep Learning Frameworks

  • تبادل شبکه عصبی را باز کنید Open Neural Network Exchange

  • TensorRT - استنتاج NVIDIA TensorRT - NVIDIA Inference

  • TensorRT - بخش‌های دقیق نقطه شناور و هوش مصنوعی استنتاج NVIDIA TensorRT - NVIDIA Inference Floating Point Precision and AI Sectors

  • نرم افزار و منطق سخت افزار انویدیا Nvidia Software and Hardware Logic

Resnet 18 با ONNX-TENSORRT Resnet 18 with ONNX-TENSORRT

  • پیکربندی داکر برای Resnet 18 Docker Configuration for Resnet 18

  • پیکربندی داکر برای Resnet 18 (قسمت 2) Docker Configuration for Resnet 18 (Part 2)

  • کد ویژوال استودیو را با داکر کانتینر تنظیم کنید SetUp Visual Studio Code with Docker Container

  • Resnet 18 با ONNX Resnet 18 with ONNX

  • تبدیل Resnet 18 از Onnx به TensorRT (قسمت 1) Resnet 18 Conversion from Onnx to TensorRT (Part 1)

  • تبدیل Resnet 18 از Onnx به TensorRT (قسمت 2) Resnet 18 Conversion from Onnx to TensorRT (Part 2)

  • تبدیل Resnet 18 از Onnx به TensorRT (قسمت 3) Resnet 18 Conversion from Onnx to TensorRT (Part 3)

  • تبدیل Resnet 18 از Onnx به TensorRT (قسمت 4) Resnet 18 Conversion from Onnx to TensorRT (Part 4)

Resnet 18 TensorRT استنتاج Resnet 18 TensorRT Inference

  • استنتاج TensorrT (قسمت 1) TensorrT Inference (Part 1)

  • استنتاج TensorrT 2 TensorrT Inference 2

  • استنتاج TensorrT 3 TensorrT Inference 3

  • استنتاج TensorrT 4 TensorrT Inference 4

  • استنتاج TensorrT 5 TensorrT Inference 5

  • استنتاج TensorrT 6 TensorrT Inference 6

  • استنتاج TensorrT 7 TensorrT Inference 7

  • TensorrT Inference-TtrtExec API 8 TensorrT Inference-TtrtExec API 8

YOLOV4 ONNX DNN YOLOV4 ONNX DNN

  • YOLOV4 ONNX DNN استنتاج (قسمت اول) YOLOV4 ONNX DNN Inference (Part One)

  • YOLOV4 ONNX DNN استنتاج (قسمت دوم) YOLOV4 ONNX DNN Inference (Part Two)

  • YOLOV4 ONNX DNN استنتاج (قسمت سوم) YOLOV4 ONNX DNN Inference (Part Three)

  • YOLOV4 ONNX DNN استنتاج (قسمت چهارم) YOLOV4 ONNX DNN Inference (Part Four)

  • استنتاج YOLOV4 ONNX DNN (قسمت پنجم) YOLOV4 ONNX DNN Inference (Part Fifth)

  • YOLOV4 ONNX DNN استنتاج (قسمت ششم) YOLOV4 ONNX DNN Inference (Part Six)

  • YOLOV4 ONNX DNN استنتاج (قسمت هفتم) YOLOV4 ONNX DNN Inference (Part Seven)

  • YOLOV4 ONNX DNN استنتاج (قسمت هشتم) YOLOV4 ONNX DNN Inference (Part Eight)

ویدیوی YOLOV4 ONNX DNN YOLOV4 ONNX DNN Video

  • Yolov4 Video Inference قسمت 1 Yolov4 Video Inference part 1

  • Yolov4 Video Inference قسمت 2 Yolov4 Video Inference part 2

  • Yolov4 Video Inference قسمت 3 Yolov4 Video Inference part 3

  • Yolov4 Video Inference قسمت 4 Yolov4 Video Inference part 4

YOLOv5 Onnx Inference - OpenCV YOLOv5 Onnx Inference - OpenCV

  • راه اندازی فهرست کاری yolov5 (2) SetUp Workign Directory of yolov5 (2)

  • YOLOV4 ONNX DNN استنتاج (قسمت نهم) YOLOV4 ONNX DNN Inference (Part Nine)

  • YOLOv5 Onnx Inference - OpenCV (قسمت 3) YOLOv5 Onnx Inference - OpenCV (Part 3)

  • YOLOv5 Onnx Inference - OpenCV (قسمت 4) YOLOv5 Onnx Inference - OpenCV (Part 4)

  • YOLOv5 Onnx Inference - OpenCV (قسمت 5) YOLOv5 Onnx Inference - OpenCV (Part 5)

  • YOLOv5 Onnx Inference - OpenCV (قسمت 6) YOLOv5 Onnx Inference - OpenCV (Part 6)

  • YOLOv5 Onnx Inference - OpenCV (قسمت 7) YOLOv5 Onnx Inference - OpenCV (Part 7)

  • YOLOv5 Onnx Inference - OpenCV (قسمت 8) YOLOv5 Onnx Inference - OpenCV (Part 8)

  • Yolov5 Onnx Inference (بخش 9) Yolov5 Onnx Inference (Part 9)

  • Yolov5 را برای استنتاج آماده کنید (قسمت 1) Prepare Yolov5 For Inference ( Part 1)

استنتاج Yolov5 TensorRT روی تصاویر Yolov5 TensorRT Inference on Images

  • استنتاج TensorRT-yoloV5 (قسمت 1) و OpenCL و OpenGL چیست (استفاده از آنها) TensorRT-yoloV5 Inference (Part 1) && what is OpenCL and OpenGL(their usage)

  • استنتاج TensorRT-yoloV5 (بخش 2) TensorRT-yoloV5 Inference (Part 2)

  • استنتاج TensorRT-yoloV5 (بخش 3) TensorRT-yoloV5 Inference (Part 3)

  • استنتاج TensorRT-yoloV5 (بخش 4) TensorRT-yoloV5 Inference (Part 4)

  • استنتاج TensorRT-yoloV5 (بخش 5) TensorRT-yoloV5 Inference (Part 5)

  • استنتاج TensorRT-yoloV5 (بخش 6) TensorRT-yoloV5 Inference (Part 6)

  • استنتاج TensorRT-yoloV5 (بخش 7) TensorRT-yoloV5 Inference (Part 7)

  • استنتاج TensorRT-yoloV5 (بخش 8) TensorRT-yoloV5 Inference (Part 8)

  • استنتاج TensorRT-yoloV5 (بخش 9) TensorRT-yoloV5 Inference (Part 9)

استنباط ویدیویی YOLOV5 TensorRT YOLOV5 TensorRT Video Inference

  • استنتاج ویدیویی yolov5 1 yolov5 video inference 1

  • استنتاج ویدیویی yolov5 2 yolov5 video inference 2

  • استنتاج ویدیویی yolov5 3 yolov5 video inference 3

  • استنتاج ویدیویی yolov5 4 yolov5 video inference 4

  • استنتاج ویدیویی yolov5 5 yolov5 video inference 5

  • استنتاج ویدیویی yolov5 6 yolov5 video inference 6

  • استنتاج ویدیویی yolov5 7 yolov5 video inference 7

  • استنتاج ویدیویی yolov5 8 yolov5 video inference 8

آموزش TensorRT بدون GPU محلی، فقط با Google Colab TensorRT Tutoruial Without Local GPU, only with Google Colab

  • TensorRT5-TensorRT8.6.1 پیاده سازی Deep Tutorial Classify-On Google Colab TensorRT5-TensorRT8.6.1 Deep Tutorial Implementation Classify-On Google Colab

  • جزئیات TensorRT Precision Covnersion از FLOAT32-INT8 قسمت 1 TensorRT Precision Covnersion details from FLOAT32-INT8 Part 1

  • جزئیات TensorRT Precision Covnersion از FLOAT32-INT8 قسمت 2 TensorRT Precision Covnersion details from FLOAT32-INT8 Part 2

  • جزئیات TensorRT Precision Covnersion از FLOAT32-INT8 قسمت 3 TensorRT Precision Covnersion details from FLOAT32-INT8 Part 3

خود را برای استنتاج OOP Python برای Yolov7 و Yolov8 Detect/Segment آماده کنید Prepare Yourself for Python OOP Inference for Yolov7 and Yolov8 Detect/Segment

  • توضیح وراثت منفرد با پایتون Single Inheritance Explanation with Python

  • توضیح Single Inheritance قسمت 2 با پایتون Single Inheritance Explanation Part 2 with Python

  • وراثت چندگانه قسمت 1 (بدون سوپر) Multiple Inheritance part 1 (Without Super)

  • Multiple_Inheritance قسمت 2 (بدون سوپر) Multiple_Inheritance part 2 (Without Super)

  • Multiple_Inheritance قسمت 3 (با سوپر) Multiple_Inheritance part 3 (With Super)

  • وراثت چندگانه قسمت 4 (با Super Debugging) Multiple Inheritance part 4(with Super Debugging)

نسخه های پیشرفته و واقعی YOLO برای شناسایی اهداف کوچک:Yolov5/6/7/8 Cutting-Edge & Real World YOLO Versions for Small Target Detect:Yolov5/6/7/8

  • معرفی نسخه های YOLOVX Introduction of YOLOVX ersions

  • شیرجه عمیق به مدل های Yolov5 P6 Deep Dive into Yolov5 P6 models

  • محل و زمان استفاده از YOLOV5، YOLOV7، YOLOV8 where and when to use YOLOV5, YOLOV7, YOLOV8

  • استفاده از نسخه YOLOVX برای Robotics و Embedded Usage of YOLOVX version for Robotics and Embedded

استنتاج مبتنی بر وراثت YOLOV7 با دارک نت YOLOV7 Inheritance Based Inference With Darknet

  • Yolov7 پیش نیاز Insallations 1 Yolov7 Prerequisites Insallations 1

  • پیاده سازی کلاس پایه Yolov7 1 Yolov7 Base Class Implementation 1

  • پیاده سازی کلاس مشتق شده Yolov7 2 Yolov7 Derived Class Implementation 2

  • پیاده سازی کلاس مشتق شده Yolov7 3 Yolov7 Derived Class Implementation 3

  • پیاده سازی کلاس مشتق شده Yolov7 4 Yolov7 Derived Class Implementation 4

  • پیاده سازی کلاس مشتق شده Yolov7 5 Yolov7 Derived Class Implementation 5

  • اجرای استنتاج Yolov7 Yolov7 Inference RUN

TensorRT را از طریق آزمون های روزانه یاد بگیرید Learn TensorRT through Day-to-Day Quizzies

  • آزمون های سطح مبتدی TensorRT TensorRT Beginner Level Quizzies

  • سطح متوسط ​​TensorRT را از طریق آزمون ها بیاموزید Learn TensorRT Intermediate Level via Quizzes

  • آزمون های فنی پیشرفته TensorRT TensorRT Advance technical Quizzies

شناسایی API اصلی YOLOV8 و تقسیم‌بندی معنایی در قاب‌های تصویر و ویدیو YOLOV8 Original API Detection & Semantic Segmentation ON Image and Video Frames

  • تشخیص و تقسیم بندی سفارشی Yolov8 در GPU محلی، ONNX سریع و دقیق Custom Yolov8 Detection and Segmentation on Local GPU , Fast and Accurate ONNX

  • با برنامه نویسی Flow و YoloV8 آماده سازی و دانلود آشنا شوید Get Familiar with Programming Flow and YoloV8 Preparation and Download

  • Yolov8 Single Shot Inference with Raw Model Part 2 Yolov8 Single Shot Inference with Raw Model Part 2

  • Yolov8 Single Shot Inference with Raw Model Part 3 Yolov8 Single Shot Inference with Raw Model Part 3

  • Yolov8 Single Shot Inference with Raw Model Part 3 Yolov8 Single Shot Inference with Raw Model Part 3

  • Yolov8 Single Shot Inference with Raw Model Part 4 Yolov8 Single Shot Inference with Raw Model Part 4

  • فرمت ورودی ONNX تشخیص و تقسیم بندی Yolov8 Yolov8 Detection and Segmentation ONNX Input format

YOLOV8 ONNX API Detection & Semantic Segmentation on Images YOLOV8 ONNX API Detection & Semantic Segmentation on Images

  • گردش کار شناسایی و تقسیم بندی Yolov8 Yolov8 Detect and Segmentation Workflow

  • پیکربندی مدل Yolov8 ONNX Yolov8 ONNX model Configuration

  • پیاده سازی YoloV8 قسمت 1 Implementation YoloV8 part 1

  • پیاده سازی YoloV8 قسمت 2 Implementation YoloV8 part 2

  • پیاده سازی YoloV8 قسمت 3 Implementation YoloV8 part 3

  • پیاده سازی YoloV8 قسمت 4 Implementation YoloV8 part 4

  • پیاده سازی YoloV8 قسمت 5 Implementation YoloV8 part 5

  • آزمون دانش کلی برای تکنیک های پیشرفته بینایی کامپیوتری Overall Knowledge Test for Advance Computer Vision techniques

تشخیص سریع چهره با Pytorch، Mtcnn، Facenet Fast Face Detection with Pytorch, Mtcnn, Facenet

  • تشخیص سریع چهره با Pytorch، Mtcnn، Facenet Fast Face Detection with Pytorch, Mtcnn, Facenet

آموزش انتقالی متوسط ​​و پیشرفته INTERMEDIATE AND ADVANCE TRANSFER LEARNING

  • مروری بر یادگیری انتقال Transfer Learning Overview

  • چرا و چگونه از یادگیری انتقالی استفاده می شود Why and how tranfer learning is used

  • انتقال یادگیری BackBone Vs Architecture Transfer learning BackBone Vs Architecture

  • TransferLearning با Resnet50 (ImagineNet) TransferLearning with Resnet50(ImagineNet)

  • Transfer Learning Lab 1 برای DogvsCat Transfer Learning Lab 1 for DogvsCat

  • Lab2 Multiclass Transfer Learning Lab2 Multiclass Transfer Learning

  • جعبه های پرنده آموزشی انتقال سفارشی Custom Transfer Learning Bird Boxes

تقسیم بندی پیشرفته Advance Segmentation

  • مقدمه تقسیم بندی Segmentation Introduction

تشخیص و محلی سازی اشیاء پیشرفته و متوسط ADVANCE AND INTERMEDIATE OBJECT DETECTION AND LOCALIZATION

  • محلی سازی شی با MNIST Object Localization with MNIST

  • LAB-Object Localization LAB-Object Localization

چشم انداز کامپیوتر پیشرفته Advance Cmputer Vision

  • مفاهیم در بینایی کامپیوتری CONCEPTS IN COMPUTER VISION

سخنرانی پاداش Bonus Lecture

  • آموزش تقویتی عمیق آموزش و استنباط سفارشی بازی با سبد خرید Deep Reinforcement Learning Cart Pole Playing Custom Training and Inference

  • آموزش تقویتی عمیق آموزش فرود بر ماه و استنتاج سفارشی Deep Reinforcement Learning LUNAR LANDING Custom Training and Inference

  • آموزش تقویت عمیق آموزش دریاچه یخ زده و استنتاج Deep Reinforcement Learning Frozen Lake Training and Inference

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش BOOTCAMP برای پروژه های TensorRT-ONNX 12+ و پایتون
جزییات دوره
18 hours
142
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
419
4.3 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

PhD Researcher AI   Robotics Scientist Fikrat Gasimov PhD Researcher AI Robotics Scientist Fikrat Gasimov

دکترای ارشد هوش مصنوعی و رباتیک دانشمند و نرم افزار جاسازی شده