آموزش طبقه بندی تصاویر یادگیری عمیق در PyTorch 2.0

دانلود Deep Learning Image Classification in PyTorch 2.0

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: یادگیری عمیق | کامپیوتر ویژن | آموزش و تست مدل طبقه بندی تصاویر | PyTorch 2.0 | Python3 یاد بگیرید که یک مجموعه داده طبقه بندی تصویر تهیه کنید. یاد بگیرید که مجموعه داده را با استفاده از image_folder و با گسترش کلاس داده از torchvision پردازش کنید. آموزش آماده سازی و آزمایش خط لوله داده ها. یادگیری در مورد افزایش داده ها مانند تغییر اندازه، برش، ColorJitter، RandomHorizontalflip، RandomVerticalFlip، RandomRotation. آشنایی با معماری جزئیات LeNet، VGG16، Inception v3 و ResNet50 با بلوک دیاگرام کامل. یاد بگیرید که مدل را با داده های کمتری از طریق آموزش انتقال آموزش دهید. آموزش در مورد خط لوله آموزشی برای آموزش هر مدل طبقه بندی تصویر. یادگیری در مورد خط لوله استنتاج برای نمایش نتیجه. یادگیری در مورد فرآیند ارزیابی مدل طبقه بندی تصویر از طریق دقت، یادآوری، امتیاز F1 و دقت. پیش نیازها: دانش پایه پایتون دسترسی به اتصال به اینترنت درک اولیه از CNN

به این دوره آموزشی Deep Learning Image Classification با PyTorch2.0 در Python3 خوش آمدید. آیا می خواهید یاد بگیرید که چگونه سیستم های تشخیص طبقه بندی تصویر قدرتمندی ایجاد کنید که بتواند اشیاء را با دقت بسیار زیاد شناسایی کند؟ اگر چنین است، پس این دوره برای شما همان چیزی است که شما نیاز دارید!

در این دوره، شما سفری هیجان انگیز به دنیای یادگیری عمیق و طبقه بندی تصاویر را آغاز خواهید کرد. این دوره آموزشی عملی برای تجهیز شما به دانش و مهارت های لازم برای ساخت و آموزش شبکه های عصبی عمیق به منظور طبقه بندی تصاویر با استفاده از چارچوب PyTorch طراحی شده است.

ما این دوره را به بخش‌هایی تقسیم کرده‌ایم. در هر فصل، شما یک مفهوم جدید برای آموزش یک مدل طبقه بندی تصویر یاد خواهید گرفت. اینها برخی از موضوعاتی است که در این دوره به آنها خواهیم پرداخت:

آموزش تمام مدل ها با torch.compile که اخیراً در Pytroch2.0 به عنوان یک ویژگی جدید معرفی شده است.
برای استفاده از GPU، کتابخانه‌های Cuda و Cudnn را برای PyTorch2.0 نصب کنید.
نحوه استفاده از Google Colab Notebook برای نوشتن کدهای پایتون و اجرای کد سلول به سلول.
ارتباط Google Colab با Google Drive برای دسترسی به داده‌های درایو.
در هنر آماده‌سازی داده‌ها مطابق با استانداردهای صنعت تسلط داشته باشید.
پردازش داده ها با کتابخانه Torchvision.
افزایش داده‌ها برای تولید داده‌های طبقه‌بندی تصویر جدید با استفاده از:-
- تغییر اندازه، برش، RandomHorizontalFlip، RandomVerticalFlip، Random Rotation و ColorJitter.
اجرای خط لوله داده با بارگذار داده برای مدیریت کارآمد مجموعه داده های بزرگ.
معماری‌های مدل‌های مختلف مانند LeNet، VGG16، Inception v3 و ResNet50 را عمیقاً بررسی کنید.
هر مدل از طریق یک بلوک دیاگرام زیبا از طریق لایه به لایه برای درک عمیق تر توضیح داده شده است.
اجرای خط لوله آموزش و استنباط.
درک انتقال یادگیری به آموزش مدل‌ها با داده‌های کمتر.
نتیجه استنتاج مدل را برای اهداف تجسم بر روی تصویر نمایش دهید.

در پایان این دوره جامع، برای طراحی و ساخت مدل های طبقه بندی تصاویر با استفاده از یادگیری عمیق با PyTorch2.0 به خوبی آماده خواهید شد. این مهارت‌ها درها را به روی طیف گسترده‌ای از کاربردها، از طبقه‌بندی اشیاء روزمره تا حل مسائل پیچیده آنالیز تصویر در صنایع مختلف، باز می‌کند. چه یک مبتدی یا یک دانشمند داده با تجربه باشید، این دوره شما را با دانش و تجربه عملی برای برتری در زمینه یادگیری عمیق (کامپیوتر ویژن) مجهز می کند.

اگر در مورد این دوره سوالی دارید، می توانید در صفحه پرسش و پاسخ Udemy به من پیام دهید. ما بهترین پاسخ را در کوتاه ترین زمان ممکن به شما می دهیم.

از اینکه صفحه دوره را بررسی کردید متشکرم، و امیدوارم شما را در دوره آموزشی خود ببینم.

سرفصل ها و درس ها

مقدمه Introduction

مقدمه Introduction
PyTorch چیست؟ what is PyTorch ?
نصب Python و PyCharm Installing Python and PyCharm
نصب کتابخانه های Cuda Installing Cuda Libraries
نصب بسته PyTorch Installing PyTorch Package
مقدمه ای بر کولب Introduction to Colab

آماده سازی و پردازش داده ها در PyTorch Data Preparation and Processing in PyTorch

درباره آماده سازی مجموعه داده About Dataset Preparation
پردازش داده ها با ImageFolder Data Processing with ImageFolder
پیاده سازی پردازش داده با ImageFolder Implementation of Data Processing with ImageFolder
پردازش داده ها با کلاس سفارشی Data Processing with Custom Class
اجرای پردازش داده با کلاس سفارشی Implementation of Data Processing with Custom Class
خط لوله آماده سازی داده های آزمایشی Testing Data Preparation Pipeline