لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Hands-On TensorBoard برای توسعه دهندگان PyTorch [ویدئو]
Hands-On TensorBoard for PyTorch Developers [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
TensorBoard یک کتابخانه تجسمی برای TensorFlow است که اجراهای آموزشی، تانسورها و نمودارها را ترسیم می کند. TensorBoard از زمان انتشار PyTorch 1.1 به صورت بومی پشتیبانی شده است. در این دوره آموزشی، نحوه انجام تجسم یادگیری ماشینی در PyTorch از طریق TensorBoard را خواهید آموخت. این دوره پر از مثال های کاربردی و عملی است. شما با معرفی سریع TensorBoard و نحوه استفاده از آن برای ترسیم مدل های آموزشی PyTorch خود شروع خواهید کرد. شما یاد خواهید گرفت که چگونه رویدادهای TensorBoard را بنویسید و TensorBoard را با PyTorch اجرا کنید تا تصویری از پیشرفت آموزش یک شبکه عصبی به دست آورید. شما مقادیر اسکالر، تصاویر، متن و موارد دیگر را تجسم خواهید کرد و آنها را به عنوان رویداد ذخیره خواهید کرد. شما رویدادها را در PyTorch ثبت خواهید کرد - به عنوان مثال، اسکالر، تصویر، صدا، هیستوگرام، متن، جاسازی و انتشار پس.
در پایان دوره، به اندازه کافی مطمئن خواهید بود که از تجسم های TensorBoard در PyTorch برای پروژه های دنیای واقعی خود استفاده کنید.
همه فایلهای کد مربوطه در مخزن GitHub در آدرس زیر قرار میگیرند: https://github.com/PacktPublishing/Hands-On-TensorBoard-for-PyTorch-Developers تجسمهای TensorBoard را با مدلهای PyTorch نشان میدهند، از جمله منحنیهای آموزشی، توزیع دادهها، هیستوگرام داده، نمودارهای مدل و جاسازی متن
چندین پارامتر و رویداد را در PyTorch ثبت کنید و به راحتی از آنها برای تجسم های TensorBoard استفاده کنید
انواع داده های متعددی از جمله داده های اسکالر، برداری، متن، تصویر و صدا را تجسم کنید
داده ها و جاسازی های متن را به صورت دو بعدی و سه بعدی مشاهده کنید
از TensorBoard برای شناسایی خطاها و رفع مدلها با مثالهای عملی در یادگیری ماشین، طبقهبندی تصویر و NLP استفاده کنید.
تنظیم هایپرپارامتر را ردیابی و بهینه سازی کنید تا بتوانید پیکربندی های مدل را نمایش دهید و عملکرد را برای مقایسه چندین مدل و بازتولید آزمایش ها اندازه گیری کنید.
ثبت رویدادها از PyTorch با چند خط کد این دوره توسعه دهندگان، دانشمندان داده، تحلیلگران و مهندسان AI/ML را هدف قرار می دهد که با PyTorch کار می کنند و می خواهند از قدرت کتابخانه TensorBoard برای تجسم پیشرفت آموزش شبکه های عصبی خود استفاده کنند.
پیش نیاز: این دوره نیاز به آشنایی اولیه با پایتون و یک IDE (نوت بوک یا کولب ژوپیتر) همراه با آشنایی اولیه با PyTorch برای تست و آموزش شبکه های عصبی دارد. همه چیزهایی را که برای شروع استفاده از TensorBoard در PyTorch باید بدانید با مثالهای عملی در یادگیری ماشین، طبقهبندی تصویر، و پردازش زبان طبیعی (NLP) بیاموزید * TensorBoard را از هر محیط توسعهدهنده راهاندازی کنید، از جمله نوتبوکهای Jupyter و Google Colab * مدلهای PyTorch خود را تجسم و بهینه کنید. با استفاده از تکنیک هایی مانند نمودارهای مدل، منحنی های آموزشی، داده های تصویر، جاسازی متن و بسیاری موارد دیگر
سرفصل ها و درس ها
مقدمه ای بر TensorBoard
Introduction to TensorBoard
بررسی اجمالی دوره
Course Overview
TensorBoard چیست و چگونه از قدرت آن استفاده کنیم
What Is TensorBoard and How Do We Leverage Its Power
اجرای TensorBoard با PyTorch
Running TensorBoard with PyTorch
اجرای TensorBoard در نوت بوک های Jupyter و Google Colab
Running TensorBoard on Jupyter Notebooks and Google Colab
اولین مدل PyTorch شما با TensorBoard
Your First PyTorch Model with TensorBoard
مثال رگرسیون ساده
Simple Regression Example
تجسم نمودار مدل شما
Visualizing Your Model Graph
آموزش و تجسم باخت با استفاده از TensorBoard
Training and Visualizing Loss Using TensorBoard
تجسم خلاصه داده ها و هیستوگرام ها
Visualizing Data Summaries and Histograms
تجسم سایر انواع داده ها
Visualizing Other Data Types
طبقه بندی تصویر و توسعه مدل
Image Classification and Model Development
مثال عملی: طبقه بندی تصویر
Hands-On Example: Image Classification
شناسایی و رفع خطاها با تجسم نمودار مدل
Detect and Fix Errors with Model Graph Visualizations
تجسم از دست دادن آموزش و سایر معیارها
Visualize Training Loss and Other Metrics
تجسم داده های تصویری
Visualize Image Data
نمایش ماتریس سردرگمی با استفاده از TensorBoard
Display Confusion Matrix Using TensorBoard
تجسم NLP و آزمایش مدل
NLP Visualization and Model Experimentation
مثال عملی: NLP
Hands-On Example: NLP
تجسم داده های متنی
Visualizing Text Data
تجسم جاسازی کلمه با استفاده از پروژکتور TensorBoard
Visualizing Word Embedding Using TensorBoard Projector
تجسم نمودار مدل - RNN
Visualizing Model Graph – RNN
تنظیم فراپارامتر
Hyperparameter Tuning
ویژگی ها و محدودیت های پیشرفته
Advanced Features and Limitations
بررسی تجسم ها و مدل های خود
Reviewing Your Visualizations and Models
بررسی تجسم ها
Visualizations Review
بررسی توسعه مدل
Model Development Review
کار بعدی چیه؟
What to do Next?
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
جو پاپا دارای MSEE و بیش از 23 سال تجربه در زمینه تحقیق و توسعه مهندسی است. او تیمهای هوش مصنوعی را رهبری کرده و مدلهای یادگیری عمیق را در Booz Allen و Perspecta Labs توسعه داده است. جو همچنین بنیانگذار Mentorship.ai است و صدها دانشمند داده را در زمینه یادگیری ماشینی، یادگیری عمیق و هوش مصنوعی راهنمایی کرده است. او بیش از 6000 دانش آموز را در Udemy در دوره های برنامه نویسی مانند MATLAB آموزش داده است.
نمایش نظرات