آموزش بوت کمپ کامل شبکه های عصبی: تئوری، کاربردها

سرفصل ها و درس ها

نحوه عملکرد شبکه های عصبی و پس انتشار How Neural Networks and Backpropagation Works

• قبل از شروع...لطفاً این را بخوانید BEFORE STARTING...PLEASE READ THIS

• قبل از شروع...لطفاً این را بخوانید BEFORE STARTING...PLEASE READ THIS

• یادگیری عمیق چه کاری می تواند انجام دهد؟ What Can Deep Learning Do?

• یادگیری عمیق چه کاری می تواند انجام دهد؟ What Can Deep Learning Do?

• ظهور یادگیری عمیق The Rise of Deep Learning

• ماهیت شبکه های عصبی The Essence of Neural Networks

• ماهیت شبکه های عصبی The Essence of Neural Networks

• پرسپترون The Perceptron

• پرسپترون The Perceptron

• گرادیان نزول Gradient Descent

• گرادیان نزول Gradient Descent

• انتشار رو به جلو The Forward Propagation

• انتشار رو به جلو The Forward Propagation

• قبل از اینکه به پس انتشار ادامه دهید Before Proceeding with the Backpropagation

• قبل از اینکه به پس انتشار ادامه دهید Before Proceeding with the Backpropagation

• پس انتشار قسمت 1 Backpropagation Part 1

• پس انتشار قسمت 1 Backpropagation Part 1

• پس انتشار قسمت 2 Backpropagation Part 2

• پس انتشار قسمت 2 Backpropagation Part 2

نحوه عملکرد شبکه های عصبی و پس انتشار How Neural Networks and Backpropagation Works

• ظهور یادگیری عمیق The Rise of Deep Learning

توابع از دست دادن Loss Functions

• میانگین مربعات خطا (MSE) Mean Squared Error (MSE)

• میانگین مربعات خطا (MSE) Mean Squared Error (MSE)

• ضرر L1 (MAE) L1 Loss (MAE)

• ضرر L1 (MAE) L1 Loss (MAE)

• ضرر هوبر Huber Loss

• ضرر هوبر Huber Loss

• از دست دادن آنتروپی متقاطع باینری Binary Cross Entropy Loss

• از دست دادن آنتروپی متقاطع Cross Entropy Loss

• عملکرد سافت مکس Softmax Function

• عملکرد سافت مکس Softmax Function

• Softmax با دما: کنترل توزیع شما Softmax with Temperature: Controlling your distribution

• Softmax با دما: کنترل توزیع شما Softmax with Temperature: Controlling your distribution

• ضرر واگرایی KL KL divergence Loss

• از دست دادن متضاد Contrastive Loss

• از دست دادن لولا Hinge Loss

• از دست دادن لولا Hinge Loss

• از دست دادن رتبه سه گانه Triplet Ranking Loss

• از دست دادن رتبه سه گانه Triplet Ranking Loss

• توجه داشته باشید توابع از دست دادن عملی Practical Loss Functions Note

• توجه داشته باشید توابع از دست دادن عملی Practical Loss Functions Note

توابع از دست دادن Loss Functions

• از دست دادن آنتروپی متقاطع باینری Binary Cross Entropy Loss

• از دست دادن آنتروپی متقاطع Cross Entropy Loss

• ضرر واگرایی KL KL divergence Loss

• از دست دادن متضاد Contrastive Loss

توابع فعال سازی Activation Functions

• چرا ما به توابع فعال سازی نیاز داریم Why we need activation functions

• چرا ما به توابع فعال سازی نیاز داریم Why we need activation functions

• فعال سازی سیگموئید Sigmoid Activation

• فعال سازی سیگموئید Sigmoid Activation

• فعال سازی تنها Tanh Activation

• فعال سازی تنها Tanh Activation

• ReLU و PReLU ReLU and PReLU

• ReLU و PReLU ReLU and PReLU

• واحدهای خطی نمایی (ELU) Exponentially Linear Units (ELU)

• واحدهای خطی دروازه ای (GLU) Gated Linear Units (GLU)

• واحدهای خطی دروازه ای (GLU) Gated Linear Units (GLU)

• Swish Activation Swish Activation

• فعال سازی میش Mish Activation

توابع فعال سازی Activation Functions

• واحدهای خطی نمایی (ELU) Exponentially Linear Units (ELU)

• Swish Activation Swish Activation

• فعال سازی میش Mish Activation

منظم سازی و عادی سازی Regularization and Normalization

• بیش از حد برازش Overfitting

• بیش از حد برازش Overfitting

• تنظیم L1 و L2 L1 and L2 Regularization

• ترک تحصیل Dropout

• DropConnect DropConnect

• عادی سازی Normalization

• عادی سازی دسته ای Batch Normalization

• عادی سازی دسته ای Batch Normalization

• عادی سازی لایه ها Layer Normalization

• عادی سازی گروه Group Normalization

• عادی سازی گروه Group Normalization

• عادی سازی لایه ها Layer Normalization

• ترک تحصیل Dropout

منظم سازی و عادی سازی Regularization and Normalization

• تنظیم L1 و L2 L1 and L2 Regularization

• DropConnect DropConnect

• عادی سازی Normalization

• عادی سازی لایه ها Layer Normalization

بهينه سازي Optimization

• نزول گرادیان دسته ای Batch Gradient Descent

• نزول گرادیان تصادفی Stochastic Gradient Descent

• نزول گرادیان تصادفی Stochastic Gradient Descent

• مینی دسته ای نزول گرادیان Mini-Batch Gradient Descent

• مینی دسته ای نزول گرادیان Mini-Batch Gradient Descent

• شهود میانگین وزنی نمایی Exponentially Weighted Average Intuition

• اجرای میانگین وزنی نمایی Exponentially Weighted Average Implementation

• اجرای میانگین وزنی نمایی Exponentially Weighted Average Implementation

• تصحیح سوگیری در میانگین های وزنی نمایی Bias Correction in Exponentially Weighted Averages

• تکانه Momentum

• تکانه Momentum

• RMSProp RMSProp

• RMSProp RMSProp

• بهینه سازی آدام Adam Optimization

• بهینه سازی آدام Adam Optimization

• SWATS - تغییر از Adam به SGD SWATS - Switching from Adam to SGD

• SWATS - تغییر از Adam به SGD SWATS - Switching from Adam to SGD

• کاهش وزن Weight Decay

• کاهش وزن Weight Decay

• جداسازی کاهش وزن Decoupling Weight Decay

• AMSGrad AMSGrad

بهينه سازي Optimization

• نزول گرادیان دسته ای Batch Gradient Descent

• شهود میانگین وزنی نمایی Exponentially Weighted Average Intuition

• تصحیح سوگیری در میانگین های وزنی نمایی Bias Correction in Exponentially Weighted Averages

• جداسازی کاهش وزن Decoupling Weight Decay

• AMSGrad AMSGrad

تنظیم فراپارامتر و زمان‌بندی نرخ یادگیری Hyperparameter Tuning and Learning Rate Scheduling

• مقدمه ای بر تنظیم Hyperparameter و Recap نرخ یادگیری Introduction to Hyperparameter Tuning and Learning Rate Recap

• کاهش سرعت یادگیری مرحله ای Step Learning Rate Decay

• کاهش سرعت یادگیری مرحله ای Step Learning Rate Decay

• نرخ یادگیری چرخه ای Cyclic Learning Rate

• میزان یادگیری چرخه ای Cyclic Learning Rate

• بازپخت کسینوس با شروع مجدد گرم Cosine Annealing with Warm Restarts

• اندازه دسته در مقابل نرخ یادگیری Batch Size vs Learning Rate

• اندازه دسته در مقابل نرخ یادگیری Batch Size vs Learning Rate

تنظیم فراپارامتر و زمان‌بندی نرخ یادگیری Hyperparameter Tuning and Learning Rate Scheduling

• مقدمه ای بر تنظیم Hyperparameter و Recap نرخ یادگیری Introduction to Hyperparameter Tuning and Learning Rate Recap

• بازپخت کسینوس با شروع مجدد گرم Cosine Annealing with Warm Restarts

مقدار اولیه وزن Weight Initialization

• توزیع نرمال Normal Distribution

• چه اتفاقی می‌افتد وقتی همه وزن‌ها به یک مقدار مقداردهی اولیه شوند؟ What happens when all weights are initialized to the same value?

• چه اتفاقی می‌افتد وقتی همه وزن‌ها به یک مقدار مقداردهی اولیه شوند؟ What happens when all weights are initialized to the same value?

• Xavier Initialization Xavier Initialization

• Xavier Initialization Xavier Initialization

• او هنجار اولیه سازی He Norm Initialization

• یادداشت اولیه وزن عملی Practical Weight Initialization Note

مقدار اولیه وزن Weight Initialization

• توزیع نرمال Normal Distribution

• او هنجار اولیه سازی He Norm Initialization

• یادداشت اولیه وزن عملی Practical Weight Initialization Note

مقدمه ای بر PyTorch Introduction to PyTorch

• کد برای این دوره CODE FOR THIS COURSE

• نمودارهای محاسباتی و چارچوب های یادگیری عمیق Computation Graphs and Deep Learning Frameworks

• نمودارهای محاسباتی و چارچوب های یادگیری عمیق Computation Graphs and Deep Learning Frameworks

• نصب PyTorch و مقدمه Installing PyTorch and an Introduction

• PyTorch چگونه کار می کند How PyTorch Works

• تانسورهای مشعل - قسمت 1 Torch Tensors - Part 1

• تانسورهای مشعل - قسمت 1 Torch Tensors - Part 1

• تانسورهای مشعل - قسمت 2 Torch Tensors - Part 2

• پل Numpy، الحاق تانسور و افزودن ابعاد Numpy Bridge, Tensor Concatenation and Adding Dimensions

• پل Numpy، الحاق تانسور و افزودن ابعاد Numpy Bridge, Tensor Concatenation and Adding Dimensions

• تمایز خودکار Automatic Differentiation

• توابع از دست دادن در PyTorch Loss Functions in PyTorch

• توابع از دست دادن در PyTorch Loss Functions in PyTorch

• وزن اولیه در PyTorch Weight Initialization in PyTorch

مقدمه ای بر PyTorch Introduction to PyTorch

• کد برای این دوره CODE FOR THIS COURSE

• نصب PyTorch و مقدمه Installing PyTorch and an Introduction

• PyTorch چگونه کار می کند How PyTorch Works

• تانسورهای مشعل - قسمت 2 Torch Tensors - Part 2

• تمایز خودکار Automatic Differentiation

• وزن اولیه در PyTorch Weight Initialization in PyTorch

افزایش داده ها Data Augmentation

• 1_مقدمه ای بر افزایش داده ها 1_Introduction to Data Augmentation

• 2_تکنیک های افزایش داده قسمت 1 2_Data Augmentation Techniques Part 1

• 2_تکنیک های افزایش داده ها قسمت 2 2_Data Augmentation Techniques Part 2

• 2_تکنیک های افزایش داده قسمت 3 2_Data Augmentation Techniques Part 3

افزایش داده ها Data Augmentation

• 1_مقدمه ای بر افزایش داده ها 1_Introduction to Data Augmentation

• 2_تکنیک های افزایش داده قسمت 1 2_Data Augmentation Techniques Part 1

• 2_تکنیک های افزایش داده ها قسمت 2 2_Data Augmentation Techniques Part 2

• 2_تکنیک های افزایش داده قسمت 3 2_Data Augmentation Techniques Part 3

شبکه های عصبی کاربردی در PyTorch - کاربرد 1: دیابت Practical Neural Networks in PyTorch - Application 1: Diabetes

• مجموعه داده را دانلود کنید Download the Dataset

• بخش 1: پیش پردازش داده ها Part 1: Data Preprocessing

• بخش 2: عادی سازی داده ها Part 2: Data Normalization

• قسمت 3: ایجاد و بارگذاری مجموعه داده Part 3: Creating and Loading the Dataset

• بخش 4: ساخت شبکه Part 4: Building the Network

• بخش 5: آموزش شبکه Part 5: Training the Network

شبکه های عصبی کاربردی در PyTorch - کاربرد 1: دیابت Practical Neural Networks in PyTorch - Application 1: Diabetes

• مجموعه داده را دانلود کنید Download the Dataset

• بخش 1: پیش پردازش داده ها Part 1: Data Preprocessing

• بخش 2: عادی سازی داده ها Part 2: Data Normalization

• قسمت 3: ایجاد و بارگذاری مجموعه داده Part 3: Creating and Loading the Dataset

• بخش 4: ساخت شبکه Part 4: Building the Network

• بخش 5: آموزش شبکه Part 5: Training the Network

فرآیند یادگیری را تجسم کنید Visualize the Learning Process

• تجسم یادگیری قسمت 1 Visualize Learning Part 1

• تجسم یادگیری قسمت 1 Visualize Learning Part 1

• تجسم یادگیری قسمت 2 Visualize Learning Part 2

• تجسم یادگیری قسمت 2 Visualize Learning Part 2

• تجسم یادگیری قسمت 3 Visualize Learning Part 3

• تجسم یادگیری قسمت 4 Visualize Learning Part 4

• تجسم یادگیری قسمت 4 Visualize Learning Part 4

• تجسم یادگیری قسمت 5 Visualize Learning Part 5

• تجسم یادگیری قسمت 5 Visualize Learning Part 5

• تجسم یادگیری قسمت 6 Visualize Learning Part 6

• تجسم یادگیری قسمت 6 Visualize Learning Part 6

• زمین بازی شبکه های عصبی Neural Networks Playground

فرآیند یادگیری را تجسم کنید Visualize the Learning Process

• تجسم یادگیری قسمت 3 Visualize Learning Part 3

• زمین بازی شبکه های عصبی Neural Networks Playground

پیاده سازی شبکه عصبی از ابتدا با Numpy Implementing a Neural Network from Scratch with Numpy

• مجموعه داده و فراپارامترها The Dataset and Hyperparameters

• درک پیاده سازی Understanding the Implementation

• انتشار رو به جلو Forward Propagation

• انتشار رو به جلو Forward Propagation

• عملکرد از دست دادن Loss Function

• پیش بینی Prediction

• پیش بینی Prediction

• دفترچه یادداشت برای سخنرانی زیر Notebook for the following Lecture

• دفترچه یادداشت برای سخنرانی زیر Notebook for the following Lecture

• معادلات پس انتشار Backpropagation Equations

• معادلات پس انتشار Backpropagation Equations

• پس انتشار Backpropagation

• پس انتشار Backpropagation

• راه اندازی شبکه Initializing the Network

• راه اندازی شبکه Initializing the Network

• آموزش مدل Training the Model

• آموزش مدل Training the Model

پیاده سازی شبکه عصبی از ابتدا با Numpy Implementing a Neural Network from Scratch with Numpy

• مجموعه داده و فراپارامترها The Dataset and Hyperparameters

• درک پیاده سازی Understanding the Implementation

• عملکرد از دست دادن Loss Function

شبکه های عصبی کاربردی در PyTorch - برنامه 2: اعداد دست نویس Practical Neural Networks in PyTorch - Application 2: Handwritten Digits

• مجموعه داده های MNIST The MNIST Dataset

• جزئیات کد Code Details

• جزئیات کد Code Details

• وارد کردن و تعریف پارامترها Importing and Defining Parameters

• وارد کردن و تعریف پارامترها Importing and Defining Parameters

• تعریف کلاس شبکه Defining the Network Class

• ایجاد کلاس شبکه و توابع شبکه Creating the network class and the network functions

• آموزش شبکه Training the Network

• آموزش شبکه Training the Network

• تست شبکه Testing the Network

شبکه های عصبی کاربردی در PyTorch - برنامه 2: اعداد دست نویس Practical Neural Networks in PyTorch - Application 2: Handwritten Digits

• مجموعه داده های MNIST The MNIST Dataset

• تعریف کلاس شبکه Defining the Network Class

• ایجاد کلاس شبکه و توابع شبکه Creating the network class and the network functions

• آموزش شبکه Training the Network

• تست شبکه Testing the Network

شبکه های عصبی کانولوشنال Convolutional Neural Networks

• پیش نیاز: فیلترها Prerequisite: Filters

• پیش نیاز: فیلترها Prerequisite: Filters

• مقدمه ای بر شبکه های کانولوشن و نیاز به آنها Introduction to Convolutional Networks and the need for them

• فیلترها و ویژگی ها Filters and Features

• پیچیدگی بر روی منبع انیمیشن حجمی Convolution over Volume Animation Resource

• پیچیدگی بر روی منبع انیمیشن حجمی Convolution over Volume Animation Resource

• پیچیدگی روی انیمیشن حجمی Convolution over Volume Animation

• بیشتر در مورد Convolutions More on Convolutions

• درک خود را آزمایش کنید Test your Understanding

• درک خود را آزمایش کنید Test your Understanding

• بحث حل امتحان Quiz Solution Discussion

• ابزاری برای تجسم کانولوشن A Tool for Convolution Visualization

• فعال سازی، ادغام و FC Activation, Pooling and FC

• تجسم CNN CNN Visualization

• تجسم CNN CNN Visualization

• فرمول های مهم Important formulas

• فرمول های مهم Important formulas

• ویژگی های CNN CNN Characteristics

• ویژگی های CNN CNN Characteristics

• منظم سازی و عادی سازی دسته ای در CNN ها Regularization and Batch Normalization in CNNs

• DropBlock: خروج در CNN ها DropBlock: Dropout in CNNs

• DropBlock: خروج در CNN ها DropBlock: Dropout in CNNs

• سافت مکس با دما Softmax with Temperature

• سافت مکس با دما Softmax with Temperature

شبکه های عصبی کانولوشنال Convolutional Neural Networks

• مقدمه ای بر شبکه های کانولوشن و نیاز به آنها Introduction to Convolutional Networks and the need for them

• فیلترها و ویژگی ها Filters and Features

• پیچیدگی روی انیمیشن حجمی Convolution over Volume Animation

• بیشتر در مورد Convolutions More on Convolutions

• ابزاری برای تجسم کانولوشن A Tool for Convolution Visualization

• فعال سازی، ادغام و FC Activation, Pooling and FC

• منظم سازی و عادی سازی دسته ای در CNN ها Regularization and Batch Normalization in CNNs

شبکه های کانولوشن عملی در PyTorch - طبقه بندی تصویر Practical Convolutional Networks in PyTorch - Image Classification

• بارگذاری و عادی سازی مجموعه داده Loading and Normalizing the Dataset

• تجسم و بارگذاری مجموعه داده Visualizing and Loading the Dataset

• ساخت CNN Building the CNN

• ساخت CNN Building the CNN

• تعریف مدل Defining the Model

• تعریف مدل Defining the Model

• درک انتشار Understanding the Propagation

• آموزش CNN Training the CNN

• آموزش CNN Training the CNN

• تست CNN Testing the CNN

• نقشه کشی و عملی کردن Plotting and Putting into Action

• پیش بینی یک تصویر Predicting an image

• طبقه بندی تصاویر دست نویس خود Classifying your own Handwritten images

شبکه های کانولوشن عملی در PyTorch - طبقه بندی تصویر Practical Convolutional Networks in PyTorch - Image Classification

• بارگذاری و عادی سازی مجموعه داده Loading and Normalizing the Dataset

• تجسم و بارگذاری مجموعه داده Visualizing and Loading the Dataset

• تعریف مدل Defining the Model

• درک انتشار Understanding the Propagation

• تست CNN Testing the CNN

• نقشه کشی و عملی کردن Plotting and Putting into Action

• پیش بینی یک تصویر Predicting an image

• طبقه بندی تصاویر دست نویس خود Classifying your own Handwritten images

معماری CNN CNN Architectures

• CNN Architectures قسمت 1 CNN Architectures Part 1

• CNN Architectures قسمت 1 CNN Architectures Part 1

• شبکه های باقیمانده قسمت 1 Residual Networks Part 1

• شبکه های باقیمانده قسمت 2 Residual Networks Part 2

• یادداشت در مورد پیاده سازی شبکه های باقیمانده Note on Residual Networks Implementation

• یادداشت در مورد پیاده سازی شبکه های باقیمانده Note on Residual Networks Implementation

• عمق تصادفی Stochastic Depth

• عمق تصادفی Stochastic Depth

• CNN Architectures قسمت 2 CNN Architectures Part 2

• CNN Architectures قسمت 2 CNN Architectures Part 2

• شبکه های متراکم متصل Densely Connected Networks

• شبکه های متراکم متصل Densely Connected Networks

• شبکه ها را فشار دهید Squeeze-Excite Networks

• پیچیدگی های قابل جداسازی Seperable Convolutions

• پیچیدگی های قابل جداسازی Seperable Convolutions

• یادگیری انتقالی Transfer Learning

• یادگیری انتقالی Transfer Learning

• آیا فیلتر کانولوشنال 1x1 معادل لایه FC است؟ Is a 1x1 convolutional filter equivalent to a FC layer?

معماری CNN CNN Architectures

• شبکه های باقیمانده قسمت 1 Residual Networks Part 1

• شبکه های باقیمانده قسمت 2 Residual Networks Part 2

• شبکه ها را فشار دهید Squeeze-Excite Networks

• آیا فیلتر کانولوشنال 1x1 معادل لایه FC است؟ Is a 1x1 convolutional filter equivalent to a FC layer?

شبکه های باقیمانده عملی در PyTorch Practical Residual Networks in PyTorch

• ResNet عملی قسمت 1 Practical ResNet Part 1

• ResNet عملی قسمت 1 Practical ResNet Part 1

• ResNet عملی قسمت 2 Practical ResNet Part 2

• ResNet عملی قسمت 3 Practical ResNet Part 3

• ResNet عملی قسمت 3 Practical ResNet Part 3

• ResNet عملی قسمت 4 Practical ResNet Part 4

شبکه های باقیمانده عملی در PyTorch Practical Residual Networks in PyTorch

• ResNet عملی قسمت 2 Practical ResNet Part 2

• ResNet عملی قسمت 4 Practical ResNet Part 4

کانولوشن های جابجا شده Transposed Convolutions

• مقدمه ای بر کانولوشن های انتقال یافته Introduction to Transposed Convolutions

• مقدمه ای بر کانولوشن های انتقال یافته Introduction to Transposed Convolutions

• عملیات کانولوشن به عنوان ضرب ماتریس Convolution Operation as Matrix Multiplication

• کانولوشن های جابجا شده Transposed Convolutions

• کانولوشن های جابجا شده Transposed Convolutions

کانولوشن های جابجا شده Transposed Convolutions

• عملیات کانولوشن به عنوان ضرب ماتریس Convolution Operation as Matrix Multiplication

آموزش انتقال در PyTorch - طبقه بندی تصاویر Transfer Learning in PyTorch - Image Classification

• افزایش داده ها Data Augmentation

• در حال بارگیری مجموعه داده Loading the Dataset

• اصلاح شبکه Modifying the Network

• درک داده ها Understanding the data

• درک داده ها Understanding the data

• تنظیم دقیق شبکه Finetuning the Network

• آزمایش و تجسم نتایج Testing and Visualizing the results

• آزمایش و تجسم نتایج Testing and Visualizing the results

آموزش انتقال در PyTorch - طبقه بندی تصاویر Transfer Learning in PyTorch - Image Classification

• افزایش داده ها Data Augmentation

• در حال بارگیری مجموعه داده Loading the Dataset

• اصلاح شبکه Modifying the Network

• تنظیم دقیق شبکه Finetuning the Network

تجسم شبکه های کانولوشنال Convolutional Networks Visualization

• داده ها و مدل Data and the Model

• داده ها و مدل Data and the Model

• پردازش مدل Processing the Model

• پردازش مدل Processing the Model

• تجسم نقشه های ویژگی Visualizing the Feature Maps

• تجسم نقشه های ویژگی Visualizing the Feature Maps

تجسم شبکه های کانولوشنال Convolutional Networks Visualization

تشخیص شی YOLO (نظریه) YOLO Object Detection (Theory)

• نظریه YOLO قسمت 1 YOLO Theory Part 1

• نظریه YOLO قسمت 2 YOLO Theory Part 2

• نظریه YOLO قسمت 2 YOLO Theory Part 2

• نظریه YOLO قسمت 3 YOLO Theory Part 3

• نظریه یولو قسمت 4 YOLO Theory Part 4

• نظریه YOLO قسمت 5 YOLO Theory Part 5

• نظریه یولو قسمت 6 YOLO Theory Part 6

• نظریه یولو قسمت 7 YOLO Theory Part 7

• تئوری یولو قسمت 7 YOLO Theory Part 7

• نظریه یولو قسمت 8 YOLO Theory Part 8

• نظریه YOLO قسمت 9 YOLO Theory Part 9

• نظریه YOLO قسمت 9 YOLO Theory Part 9

• نظریه یولو قسمت 10 YOLO Theory Part 10

• نظریه یولو قسمت 10 YOLO Theory Part 10

• نظریه یولو قسمت 11 YOLO Theory Part 11

• نظریه یولو قسمت 11 YOLO Theory Part 11

• نظریه یولو قسمت 12 YOLO Theory Part 12

• نظریه یولو قسمت 12 YOLO Theory Part 12

• یادداشت کد YOLO YOLO Code Note

• یادداشت کد YOLO YOLO Code Note

تشخیص شی YOLO (نظریه) YOLO Object Detection (Theory)

• نظریه YOLO قسمت 1 YOLO Theory Part 1

• نظریه YOLO قسمت 3 YOLO Theory Part 3

• نظریه یولو قسمت 4 YOLO Theory Part 4

• نظریه YOLO قسمت 5 YOLO Theory Part 5

• نظریه یولو قسمت 6 YOLO Theory Part 6

• نظریه یولو قسمت 8 YOLO Theory Part 8

رمزگذارهای خودکار و رمزگذارهای خودکار متغیر Autoencoders and Variational Autoencoders

• رمزگذارهای خودکار Autoencoders

• حذف نویز از رمزگذارهای خودکار Denoising Autoencoders

• مشکل در رمزگذارهای خودکار The Problem in Autoencoders

• مشکل در رمزگذارهای خودکار The Problem in Autoencoders

• رمزگذارهای خودکار متغیر Variational Autoencoders

• رمزگذارهای خودکار متغیر Variational Autoencoders

• خلاصه توزیع احتمالات Probability Distributions Recap

• استخراج تابع ضرر برای VAE Loss Function Derivation for VAE

• استخراج تابع ضرر برای VAE Loss Function Derivation for VAE

• جعلی عمیق Deep Fake

رمزگذارهای خودکار و رمزگذارهای خودکار متغیر Autoencoders and Variational Autoencoders

• رمزگذارهای خودکار Autoencoders

• حذف نویز از رمزگذارهای خودکار Denoising Autoencoders

• خلاصه توزیع احتمالات Probability Distributions Recap

• جعلی عمیق Deep Fake

رمزگذارهای خودکار متغیر عملی در PyTorch Practical Variational Autoencoders in PyTorch

• عملی VAE قسمت 1 Practical VAE Part 1

• عملی VAE قسمت 1 Practical VAE Part 1

• عملی VAE قسمت 2 Practical VAE Part 2

• عملی VAE قسمت 3 Practical VAE Part 3

• عملی VAE قسمت 3 Practical VAE Part 3

رمزگذارهای خودکار متغیر عملی در PyTorch Practical Variational Autoencoders in PyTorch

• عملی VAE قسمت 2 Practical VAE Part 2

انتقال سبک عصبی Neural Style Transfer

• نظریه NST قسمت 1 NST Theory Part 1

• نظریه NST قسمت 1 NST Theory Part 1

• نظریه NST قسمت 2 NST Theory Part 2

• نظریه NST قسمت 2 NST Theory Part 2

• نظریه NST قسمت 3 NST Theory Part 3

• نظریه NST قسمت 3 NST Theory Part 3

انتقال سبک عصبی Neural Style Transfer

انتقال عملی سبک عصبی در PyTorch Practical Neural Style Transfer in PyTorch

• بخش عملی NST 1 NST Practical Part 1

• بخش عملی NST 2 NST Practical Part 2

• بخش عملی NST 2 NST Practical Part 2

• بخش عملی NST 3 NST Practical Part 3

• بخش عملی NST 3 NST Practical Part 3

• بخش عملی NST 4 NST Practical Part 4

• بخش عملی NST 4 NST Practical Part 4

• انتقال سریع سبک عصبی Fast Neural Style Transfer

انتقال عملی سبک عصبی در PyTorch Practical Neural Style Transfer in PyTorch

• بخش عملی NST 1 NST Practical Part 1

• انتقال سریع سبک عصبی Fast Neural Style Transfer

شبکه های عصبی مکرر Recurrent Neural Networks

• چرا به RNN نیاز داریم؟ Why do we need RNNs

• RNN های وانیلی Vanilla RNNs

• درک خود را بیازمایید Test your understanding

• بحث حل امتحان Quiz Solution Discussion

• بحث حل امتحان Quiz Solution Discussion

• پس انتشار در طول زمان Backpropagation Through Time

• RNN های انباشته شده Stacked RNNs

• مشکل گرادیان ناپدید شدن و انفجار Vanishing and Exploding Gradient Problem

• LSTMs LSTMs

• RNN های دو طرفه Bidirectional RNNs

• GRU ها GRUs

• GRU ها GRUs

• CNN-LSTM CNN-LSTM

• CNN-LSTM CNN-LSTM

شبکه های عصبی مکرر Recurrent Neural Networks

• چرا به RNN نیاز داریم؟ Why do we need RNNs

• RNN های وانیلی Vanilla RNNs

• درک خود را بیازمایید Test your understanding

• بحث حل امتحان Quiz Solution Discussion

• پس انتشار در طول زمان Backpropagation Through Time

• RNN های انباشته شده Stacked RNNs

• مشکل گرادیان ناپدید شدن و انفجار Vanishing and Exploding Gradient Problem

• LSTMs LSTMs

• RNN های دو طرفه Bidirectional RNNs

جاسازی های کلمه Word Embeddings

• جاسازی ورد چیست؟ What are Word Embeddings

• جاسازی ورد چیست؟ What are Word Embeddings

• تجسم جاسازی های کلمه Visualizing Word Embeddings

• تجسم جاسازی های کلمه Visualizing Word Embeddings

• اندازه گیری جاسازی های کلمه Measuring Word Embeddings

• اندازه گیری جاسازی های کلمه Measuring Word Embeddings

• مدل های جاسازی کلمه Word Embeddings Models

• جاسازی کلمه در PyTorch Word Embeddings in PyTorch

جاسازی های کلمه Word Embeddings

• مدل های جاسازی کلمه Word Embeddings Models

• جاسازی کلمه در PyTorch Word Embeddings in PyTorch

شبکه های تکراری عملی در PyTorch Practical Recurrent Networks in PyTorch

• مجموعه داده را دانلود کنید Download the Dataset

• ایجاد فرهنگ لغت Creating the Dictionary

• پردازش متن Processing the Text

• پردازش متن Processing the Text

• تعریف و تجسم پارامترها Defining and Visualizing the Parameters

• تعریف و تجسم پارامترها Defining and Visualizing the Parameters

• ایجاد شبکه Creating the Network

• ایجاد شبکه Creating the Network

• آموزش شبکه Training the Network

• آموزش شبکه Training the Network

• تولید متن Generating Text

• تولید متن Generating Text

شبکه های تکراری عملی در PyTorch Practical Recurrent Networks in PyTorch

• مجموعه داده را دانلود کنید Download the Dataset

• ایجاد فرهنگ لغت Creating the Dictionary

• آموزش شبکه Training the Network

ذخیره و بارگذاری مدل ها Saving and Loading Models

• ذخیره و بارگیری قسمت 1 Saving and Loading Part 1

• ذخیره و بارگیری قسمت 1 Saving and Loading Part 1

• ذخیره و بارگیری قسمت 2 Saving and Loading Part 2

• ذخیره و بارگیری قسمت 2 Saving and Loading Part 2

• ذخیره و بارگیری قسمت 3 Saving and Loading Part 3

ذخیره و بارگذاری مدل ها Saving and Loading Models

• ذخیره و بارگیری قسمت 3 Saving and Loading Part 3

مدلسازی دنباله ای Sequence Modelling

• مدلسازی دنباله ای Sequence Modeling

• زیرنویس تصویر Image Captioning

• مکانیسم های توجه Attention Mechanisms

• مکانیسم های توجه Attention Mechanisms

• نحوه عملکرد مکانیسم های توجه How Attention Mechanisms Work

مدلسازی دنباله ای Sequence Modelling

• مدلسازی دنباله ای Sequence Modeling

• زیرنویس تصویر Image Captioning

• نحوه عملکرد مکانیسم های توجه How Attention Mechanisms Work

مدل سازی توالی عملی در PyTorch: برنامه Chatbot Practical Sequence Modelling in PyTorch: Chatbot Application

• مجموعه داده را دانلود کنید Download the Dataset

• مجموعه داده را دانلود کنید Download the Dataset

• معرفی Introduction

• معرفی Introduction

• درک رمزگذار Understanding the Encoder

• درک رمزگذار Understanding the Encoder

• تعریف رمزگذار Defining the Encoder

• درک توالی پک padded Understanding Pack Padded Sequence

• طراحی مدل توجه Designing the Attention Model

• طراحی رسیور قسمت 1 Designing the Decoder Part 1

• طراحی رسیور قسمت 2 Designing the Decoder Part 2

• طراحی رسیور قسمت 2 Designing the Decoder Part 2

• معلم اجباری Teacher Forcing

مدل سازی توالی عملی در PyTorch: برنامه Chatbot Practical Sequence Modelling in PyTorch: Chatbot Application

• تعریف رمزگذار Defining the Encoder

• درک توالی پک padded Understanding Pack Padded Sequence

• طراحی مدل توجه Designing the Attention Model

• طراحی رسیور قسمت 1 Designing the Decoder Part 1

• معلم اجباری Teacher Forcing

مدل سازی توالی عملی در PyTorch: شرح تصویر Practical Sequence Modelling in PyTorch: Image Captioning

• جزئیات پیاده سازی Implementation Details

• جزئیات پیاده سازی Implementation Details

• توابع سودمند Utility Functions

• توابع سودمند Utility Functions

• محاسبه دقت Accuracy Calculation

• ساخت مجموعه داده قسمت 1 Constructing the Dataset Part 1

• ساخت مجموعه داده قسمت 1 Constructing the Dataset Part 1

• ساخت مجموعه داده قسمت 2 Constructing the Dataset Part 2

• ایجاد رمزگذار Creating the Encoder

• ایجاد رمزگذار Creating the Encoder

• ایجاد رمزگشا قسمت 1 Creating the Decoder Part 1

• ایجاد رمزگشا قسمت 2 Creating the Decoder Part 2

• ایجاد رمزگشا قسمت 3 Creating the Decoder Part 3

• عملکرد قطار Train Function

• عملکرد قطار Train Function

• تعریف فراپارامترها Defining Hyperparameters

• تعریف فراپارامترها Defining Hyperparameters

• عملکرد ارزیابی Evaluation Function

• آموزش Training

• آموزش Training

• نتایج Results

• عملکرد ارزیابی Evaluation Function

مدل سازی توالی عملی در PyTorch: شرح تصویر Practical Sequence Modelling in PyTorch: Image Captioning

• محاسبه دقت Accuracy Calculation

• ساخت مجموعه داده قسمت 2 Constructing the Dataset Part 2

• ایجاد رمزگشا قسمت 1 Creating the Decoder Part 1

• ایجاد رمزگشا قسمت 2 Creating the Decoder Part 2

• ایجاد رمزگشا قسمت 3 Creating the Decoder Part 3

• نتایج Results

مبدل ها Transformers

• بررسی سلامت در بخش های قبلی SANITY CHECK ON PREVIOUS SECTIONS

• مقدمه ای بر ترانسفورماتورها Introduction to Transformers

• جاسازی های ورودی Input Embeddings

• رمزگذاری موقعیتی Positional Encoding

• توجه چند سر قسمت 1 MultiHead Attention Part 1

• توجه چند سر قسمت 2 MultiHead Attention Part 2

• توجه چند سر قسمت 2 MultiHead Attention Part 2

• Concat و Linear Concat and Linear

• Concat و Linear Concat and Linear

• یادگیری باقیمانده Residual Learning

• عادی سازی لایه ها Layer Normalization

• فید فوروارد Feed Forward

• فید فوروارد Feed Forward

• توجه چند سر ماسک شده Masked MultiHead Attention

• توجه چند سر ماسک شده Masked MultiHead Attention

• توجه چند سر در رسیور MultiHead Attention in Decoder

• از دست دادن آنتروپی متقاطع Cross Entropy Loss

• ضرر واگرایی KL KL Divergence Loss

• ضرر واگرایی KL KL Divergence Loss

• صاف کردن برچسب Label Smoothing

• صاف کردن برچسب Label Smoothing

• ترک تحصیل Dropout

• گرم کردن نرخ یادگیری Learning Rate Warmup

• گرم کردن نرخ یادگیری Learning Rate Warmup

مبدل ها Transformers

• بررسی سلامت در بخش های قبلی SANITY CHECK ON PREVIOUS SECTIONS

• مقدمه ای بر ترانسفورماتورها Introduction to Transformers

• جاسازی های ورودی Input Embeddings

• رمزگذاری موقعیتی Positional Encoding

• توجه چند سر قسمت 1 MultiHead Attention Part 1

• یادگیری باقیمانده Residual Learning

• توجه چند سر در رسیور MultiHead Attention in Decoder

• از دست دادن آنتروپی متقاطع Cross Entropy Loss

• ترک تحصیل Dropout

یک چت بات با ترانسفورماتور بسازید Build a Chatbot with Transformers

• کد CODE

• کد CODE

• پیش پردازش مجموعه داده قسمت 1 Dataset Preprocessing Part 1

• پیش پردازش مجموعه داده قسمت 2 Dataset Preprocessing Part 2

• پیش پردازش مجموعه داده قسمت 2 Dataset Preprocessing Part 2

• پیش پردازش مجموعه داده قسمت 3 Dataset Preprocessing Part 3

• پیش پردازش مجموعه داده قسمت 3 Dataset Preprocessing Part 3

• پیش پردازش مجموعه داده قسمت 4 Dataset Preprocessing Part 4

• پیش پردازش مجموعه داده قسمت 5 Dataset Preprocessing Part 5

• پیش پردازش مجموعه داده قسمت 5 Dataset Preprocessing Part 5

• بارگذاری و پوشش داده ها Data Loading and Masking

• بارگذاری و پوشش داده ها Data Loading and Masking

• جاسازی ها Embeddings

• اجرای MultiHead Attention قسمت 1 MultiHead Attention Implementation Part 1

• اجرای MultiHead Attention قسمت 2 MultiHead Attention Implementation Part 2

• اجرای MultiHead Attention قسمت 3 MultiHead Attention Implementation Part 3

• فید فوروارد پیاده سازی Feed Forward Implementation

• فید فوروارد پیاده سازی Feed Forward Implementation

• لایه رمزگذار Encoder Layer

• لایه رمزگشا Decoder Layer

• تبدیل کننده Transformer

• تبدیل کننده Transformer

• AdamWarmup AdamWarmup

• ضرر با صاف کردن برچسب Loss with Label Smoothing

• ضرر با صاف کردن برچسب Loss with Label Smoothing

• تعریف مدل Defining the Model

• تعریف مدل Defining the Model

• تابع آموزش Training Function

• تابع آموزش Training Function

• عملکرد ارزیابی Evaluation Function

• عملکرد اصلی و ارزیابی کاربر Main Function and User Evaluation

• عمل Action

یک چت بات با ترانسفورماتور بسازید Build a Chatbot with Transformers

• پیش پردازش مجموعه داده قسمت 1 Dataset Preprocessing Part 1

• پیش پردازش مجموعه داده قسمت 4 Dataset Preprocessing Part 4

• جاسازی ها Embeddings

• اجرای MultiHead Attention قسمت 1 MultiHead Attention Implementation Part 1

• اجرای MultiHead Attention قسمت 2 MultiHead Attention Implementation Part 2

• اجرای MultiHead Attention قسمت 3 MultiHead Attention Implementation Part 3

• لایه رمزگذار Encoder Layer

• لایه رمزگشا Decoder Layer

• AdamWarmup AdamWarmup

• تعریف مدل Defining the Model

• عملکرد ارزیابی Evaluation Function

• عملکرد اصلی و ارزیابی کاربر Main Function and User Evaluation

• عمل Action

ترانسفورماتورهای جهانی Universal Transformers

• ترانسفورماتورهای جهانی Universal Transformers

• ترانسفورماتورهای جهانی Universal Transformers

• ترانسفورماتورهای جهانی عملی: اصلاح کد ترانسفورماتورها Practical Universal Transformers: Modifying the Transformers code

• ترانسفورماتور برای کارهای دیگر Transformers for other tasks

ترانسفورماتورهای جهانی Universal Transformers

• ترانسفورماتورهای جهانی عملی: اصلاح کد ترانسفورماتورها Practical Universal Transformers: Modifying the Transformers code

• ترانسفورماتور برای کارهای دیگر Transformers for other tasks

Google Colab و Gradient Acuulation Google Colab and Gradient Accumulation

• اجرای مدل های خود در Google Colab Running your models on Google Colab

• اجرای مدل های خود در Google Colab Running your models on Google Colab

• انباشت گرادیان Gradient Accumulation

Google Colab و Gradient Acuulation Google Colab and Gradient Accumulation

• انباشت گرادیان Gradient Accumulation

برت BERT

• BERT چیست و ساختار آن What is BERT and its structure

• مدل سازی زبان نقاب دار Masked Language Modelling

• مدل سازی زبان نقاب دار Masked Language Modelling

• پیش بینی جمله بعدی Next Sentence Prediction

• تنظیم دقیق BERT Fine-tuning BERT

• کاوش در ترانسفورماتورها Exploring Transformers

• کاوش در ترانسفورماتورها Exploring Transformers

برت BERT

• BERT چیست و ساختار آن What is BERT and its structure

• پیش بینی جمله بعدی Next Sentence Prediction

• تنظیم دقیق BERT Fine-tuning BERT

ترانسفورماتورهای بینایی Vision Transformers

• Vision Transformer قسمت 1 Vision Transformer Part 1

• Vision Transformer قسمت 2 Vision Transformer Part 2

• Vision Transformer قسمت 3 Vision Transformer Part 3

ترانسفورماتورهای بینایی Vision Transformers

• Vision Transformer قسمت 1 Vision Transformer Part 1

• Vision Transformer قسمت 2 Vision Transformer Part 2

• Vision Transformer قسمت 3 Vision Transformer Part 3

GPT GPT

• GPT قسمت 1 GPT Part 1

• GPT قسمت 2 GPT Part 2

• GPT قسمت 2 GPT Part 2

• پیش بینی شات صفر با GPT Zero-Shot Predictions with GPT

• پیش بینی شات صفر با GPT Zero-Shot Predictions with GPT

• رمزگذاری جفت بایت Byte-Pair Encoding

• رمزگذاری جفت بایت Byte-Pair Encoding

• جزئیات فنی GPT Technical Details of GPT

• جزئیات فنی GPT Technical Details of GPT

• بازی با مدل های HuggingFace Playing with HuggingFace models

• پیاده سازی Implementation

• پیاده سازی Implementation

• (1) اجرای GPT قسمت 1 (1) GPT Implementation Part 1

• (2) اجرای GPT قسمت 1 (2) GPT Implementation Part 1

• (2) اجرای GPT قسمت 1 (2) GPT Implementation Part 1

• (3) اجرای GPT قسمت 1 (3) GPT Implementation Part 1

• (3) اجرای GPT قسمت 1 (3) GPT Implementation Part 1

• (4) اجرای GPT قسمت 1 (4) GPT Implementation Part 1

• (4) اجرای GPT قسمت 1 (4) GPT Implementation Part 1

• (5) اجرای GPT قسمت 1 (5) GPT Implementation Part 1

• (5) اجرای GPT قسمت 1 (5) GPT Implementation Part 1

• (6) اجرای GPT قسمت 1 (6) GPT Implementation Part 1

• (6) اجرای GPT قسمت 1 (6) GPT Implementation Part 1

• (7) اجرای GPT قسمت 1 (7) GPT Implementation Part 1

• (7) اجرای GPT قسمت 1 (7) GPT Implementation Part 1

GPT GPT

• GPT قسمت 1 GPT Part 1

• بازی با مدل های HuggingFace Playing with HuggingFace models

• (1) اجرای GPT قسمت 1 (1) GPT Implementation Part 1