Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
اگر با استفاده از شبکه های عصبی با داده های متنی کار می کنید ، RNN یک انتخاب طبیعی برای توالی ها است. این دوره از طریق مشکلات مدل سازی زبان با استفاده از RNNS - شناسایی کاراکتر نوری یا OCR و تولید متن با استفاده از پیش بینی شخصیت کار می کند. عملکرد شبکه های عصبی تکرار شونده (RNN) و توانایی پیش بینی را می توان با استفاده از سلول های حافظه طولانی مانند LSTM و سلول GRU بهبود بخشید. در این دوره ، مدل سازی زبان با شبکه های عصبی مکرر در Tensorflow ، خواهید آموخت که چگونه RNN ها به دلیل توانایی ذاتی در ذخیره سازی حالت ، یک مدل طبیعی برای مدل سازی زبان هستند. با استفاده از سلولهای حافظه طولانی مانند LSTM و سلول GRU می توان عملکرد RNN و توانایی های پیش بینی را بهبود بخشید. ابتدا یاد خواهید گرفت که چگونه OCR را به عنوان یک مشکل برچسب گذاری توالی مدل کنید. در مرحله بعدی ، شما کشف خواهید کرد که چگونه می توانید RNN را برای پیش بینی شخصیت بعدی براساس توالی های گذشته معماری کنید. سرانجام ، شما بر درک عملکردهای پیشرفته ای که کتابخانه TensorFlow ارائه می دهد ، مانند RNN های دو جهته و سلول چند RNN تمرکز خواهید کرد. با پایان این دوره ، شما می دانید که چگونه RNN ها را برای موارد استفاده مانند شناسایی تصویر ، پیش بینی شخصیت و تولید متن استفاده و معمار کنید. و استفاده از کتابخانه های TensorFlow برای قابلیت های پیشرفته مانند RNN دو طرفه و سلول چند RNN راحت خواهید بود.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
استفاده از شبکه های عصبی دو طرفه تکرار شونده در تشخیص کلمه
Applying Bidirectional Recurrent Neural Networks to Word Recognition
بررسی اجمالی ماژول
Module Overview
پیش نیازها و طرح کلی دوره
Prerequisites and Course Outline
نورون عود کننده
The Recurrent Neuron
آموزش شبکه عصبی مکرر
Training a Recurrent Neural Network
سلول حافظه طولانی
The Long Memory Cell
RNN های دو طرفه
Bidirectional RNNs
OCR: یک مشکل برچسب گذاری توالی
OCR: A Sequence Labelling Problem
قالب فایل OCR
OCR File Format
ویژگی ها و برچسب ها برای OCR
Features and Labels for OCR
معماری معمولی RNN
Conventional RNN Architecture
معماری دو طرفه RNN
Bidirectional RNN Architecture
اجرای شناسایی شخصیت با استفاده از RNN های دو جهته
Implementing Character Recognition Using Bidirectional RNNs
بررسی اجمالی ماژول
Module Overview
اجرای نوت بوک Jupyter و بیانیه های واردات
Running Jupyter Notebook and Import Statements
بارگیری و تجزیه فایل OCR
Download and Parse OCR File
ویژگی ها و برچسب ها
Features and Labels
تغییر داده و اطلاعات در آموزش
Shuffle and Feed in Training Data
محاسبات طول توالی
Sequence Length Calculations
ساخت RNN
Building the RNN
آموزش و ارزیابی RNN
Training and Evaluating the RNN
RNN دو طرفه را به صورت دستی تنظیم کنید
Manually Setup the Bidirectional RNN
RNN دو طرفه با استفاده از کتابخانه TF
Bidirectional RNN Using the TF Library
استفاده از RNN برای پیش بینی کاراکتر برای تولید متن
Applying RNNs to Character Prediction for Text Generation
بررسی اجمالی ماژول
Module Overview
استفاده از شبکه های عصبی برای پردازش زبان طبیعی
Using Neural Networks for Natural Language Processing
مشکلات مدل سازی زبان
Language Modeling Problems
سلول چند RNN
The Multi-RNN Cell
با استفاده از یک پنجره کشویی ، داده ها و برچسب های آموزشی را ایجاد کنید
Generate Training Data and Labels Using a Sliding Window
تولید متن با استفاده از پیش بینی شخصیت
Text Generation Using Character Prediction
معماری RNN برای پیش بینی متن
RNN Architecture for Text Prediction
درک گیجی
Understanding Perplexity
پیاده سازی RNN ها برای پیش بینی شخصیت که برای تولید متن استفاده می شود
Implementing RNNs for Character Prediction Used to Generate Text
بررسی اجمالی ماژول
Module Overview
پیش بینی شخصیت: داده ها را از ArXiv.org بازیابی کنید
Character Prediction: Retrieve Data from ArXiv.org
نمایش شخصیت ها در یک رمزگذاری داغ
Representing Characters in One Hot Encoding
آموزش مدل
Training the Model
RNN را برای پیش بینی بسازید
Build the RNN for Prediction
تولید متن با استفاده از پیش بینی شخصیت
Text Generation Using Character Prediction
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