لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مقدمه ای بر شبکه های عصبی مبتنی بر توجه
Introduction to Attention-Based Neural Networks
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
مدلهای مبتنی بر توجه به شبکههای عصبی اجازه میدهند تا بر مهمترین ویژگیهای ورودی تمرکز کنند و در نتیجه نتایج بهتری در خروجی ایجاد کنند. در این دوره، جنانی راوی نحوه عملکرد شبکههای عصبی تکراری را توضیح میدهد و دو مدل کپشن تصویر یکی بدون توجه و دیگری با استفاده از مدلهای توجه ساخته و آموزش میدهد و نتایج آنها را با هم مقایسه میکند. اگر تجربه و درک درستی از نحوه عملکرد شبکه های عصبی دارید و می خواهید ببینید که مدل های مبتنی بر توجه چه کاری می توانند برای شما انجام دهند، این دوره را بررسی کنید.
سرفصل ها و درس ها
مقدمه
Introduction
پیش نیازها
Prerequisites
مدل های مبتنی بر توجه چیست؟
What are attention-based models?
توجه در تولید زبان و مدل های ترجمه
Attention in language generation and translation models
امتحان فصل
Chapter Quiz
1. شبکه های عصبی مکرر برای یادگیری داده های متوالی
1. Recurrent Neural Networks to Learn Sequential Data
شبکه های فید فوروارد و محدودیت های آنها
Feed forward networks and their limitations
شبکه های عصبی مکرر برای داده های متوالی
Recurrent neural networks for sequential data
نیاز به سلول های حافظه بلند
The need for long memory cells
سلول های LSTM و GRU
LSTM and GRU cells
انواع RRNNS
Types of RRNNS
امتحان فصل
Chapter Quiz
2. شبکه های رمزگذار-رمزگشا برای مدل های زبان
2. Encoder-Decoder Networks for Language Models
مدل های تولید زبان
Language generation models
مدلهای ترتیب به ترتیب برای ترجمه زبان
Sequence to sequence models for language translation
3. شبکه های عصبی مبتنی بر توجه
3. Attention-Based Neural Networks
نقش توجه در مدل های توالی به دنباله
The role of attention in sequence to sequence models
مکانیسم توجه در مدلهای توالی به دنباله
Attention mechanism in sequence to sequence models
تراز کردن وزن ها در مدل های توجه
Alignment weights in attention models
توجه بهداناو
Bahdanau attention
مدل های توجه برای شرح تصاویر
Attention models for image captioning
ساختار رمزگشای رمزگذار برای نوشتن شرح تصاویر
Encoder decoder structure for image captioning
امتحان فصل
Chapter Quiz
4. مدل زیرنویس تصویر بدون توجه
4. Image Captioning Model without Attention
راه اندازی Colab و Google Drive
Setting up Colab and Google Drive
در حال بارگیری در مجموعه داده Flickr8k
Loading in the Flickr8k dataset
ساخت واژگان
Constructing the vocabulary
راه اندازی کلاس داده
Setting up the dataset class
پیاده سازی توابع ابزار برای داده های آموزشی
Implementing utility functions for training data
ساخت رمزگذار CNN
Building the encoder CNN
ساخت رمزگشا RNN
Building the decoder RNN
تنظیم مدل دنباله به دنباله
Setting up the sequence to sequence model
آموزش مدل زیرنویس تصویر
Training the image captioning model
امتحان فصل
Chapter Quiz
5. مدل شرح تصویر با استفاده از توجه
5. Image Captioning Model Using Attention
بارگیری مجموعه داده و تنظیم توابع ابزار
Loading the dataset and setting up utility functions
رمزگذار CNN که نقشههای ویژگی بازشده را تولید میکند
The encoder CNN generating unrolled feature maps
اجرای توجه بهداناو
Implementing Bahdanau attention
رمزگشا RNN با استفاده از توجه
The decoder RNN using attention
ایجاد زیرنویس با استفاده از توجه
Generating captions using attention
آموزش مدل زیرنویس تصویر مبتنی بر توجه
Training the attention-based image captioning model
Janani Ravi یک معمار و مهندس داده خبره Google cloud است.
جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.
نمایش نظرات