🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری عمیق Pytorch
- آخرین آپدیت
دانلود Pytorch Deep Learning
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
From Zero To Hero (BERT & T5) Python Pytorch BERT یادگیری عمیق پردازش تصویر پردازش زبان طبیعی پردازش شبکه عصبی مبدل های گرادیان نزولی huggingface T5 پیش نیازها:پایتون مهارت های برنامه نویسی پایه سینتکس پایه
دوره آموزش عمیق Pytorch Hugginface (Colab Hands-On)
به Pytorch Deep Learning From Zero To Hero Series خوش آمدید.
اگر قبلاً به نحو اصلی پایتون تسلط دارید و نمیدانید در مرحله بعد چه کاری باید انجام دهید، این دوره آموزشی تقویتکنندهای خواهد بود تا مهارت برنامهنویسی شما را به سطح قابلاجرای تجاری ارتقا دهید.
در این دوره، شما قادر خواهید بود با استفاده از pytorch و huggingface توسط colab بر پیاده سازی شبکه عصبی عمیق از همان ابتدا (پرسپترون ساده) تا یادگیری انتقال BERT/Google T5 تسلط پیدا کنید. هر بخش یک تکلیف برای شما دارد که خودتان فکر کنید و کدنویسی کنید.
دستور کار در زیر آمده است.
دستور کار:
مقدمه
Google Colaboratory
نرون
پرسپترون
پرسپترون خود را قابل آموزش کنید
عادی کردن داده ها
عملکرد فعال سازی
عملکرد از دست دادن
نزول گرادیان
نزول شیب پایتورچ زیبا
پروژه نهایی
پروژه نهایی توضیح داده شد
پرسپترون چند لایه (MLP)
One Hot Encoding
داده ها را برای MLP آماده کنید
MLP را تعریف کنید
آموزش ارزیابی MLP
پروژه نهایی برای MLP
FCNN توضیح داده شده
طبقه بندی FCNN LOVE Letters با استفاده از MLP
پروژه نهایی برای FCNN
CNN توضیح داد
CNN آماده سازی داده ها (Fashion MNIST)
CNN مدل را تعریف کنید
مدل ارزیابی قطار CNN
CNNInference
پروژه نهایی برای CNN
RNN توضیح داده شده
RNN دادهها را آماده کنید
RNN تعریف مدل
مدل قطار RNN
استنتاج RNN
خیابان کنجد برت
BERT اطلاعات IMDB را آماده کنید
تعریف مدل BERT
آموزش مدل BERT
ارزیابی مدل BERT
پیشبینی مدل BERT
پروژه نهایی BERT
T5 داده ها را آماده کنید
تعریف مدل T5
آموزش مدل T5
ارزیابی مدل T5
پیشبینی مدل T5
پروژه نهایی T5
بیایید سفر خود را با هم شروع کنیم.
زیبا بهتر از زشت است. صریح بهتر از ضمنی است. ساده بهتر از پیچیده است. پیچیده بهتر از پیچیده است. مسطح بهتر از تودرتو است. Sparse بهتر از متراکم است. خوانایی مهم است. موارد خاص به اندازه کافی خاص نیستند که قوانین را زیر پا بگذارند. اگرچه عملی بودن شکست میخورد. خلوص. خطاها هرگز نباید بیصدا بگذرند. مگر اینکه صریحاً ساکت شوند. در مواجهه با ابهام، وسوسه حدس زدن را رد کنید. یک و ترجیحاً تنها یک راه واضح برای انجام دادن وجود داشته باشد. آن را. اگرچه این راه ممکن است در ابتدا واضح نباشد مگر اینکه هلندی باشید. اکنون بهتر از هرگز نیست. اگرچه هرگز چنین نیست. اغلب بهتر از *در حال حاضر*. اگر توضیح پیاده سازی سخت است، ایده بدی است. اگر پیاده سازی به راحتی قابل توضیح باشد، ممکن است ایده خوبی باشد. فضاهای نام یک بوق عالی هستند ایده - بیایید کارهای بیشتری از آنها انجام دهیم!
سرفصل ها و درس ها
مقدمه ای بر یادگیری عمیق (شبکه عصبی) توسط Pytorch
Introduction to Deep Learning (Neural Network) by Pytorch
A01_مقدمه
A01_Introduction
A02 Google Colaboratory
A02 Google Colaboratory
نورون A03
A03 Neuron
پرسپترون A04
A04 Perceptron
A05 پرسپترون خود را قابل آموزش کنید
A05 Make Your Perceptron Trainable
A06 عادی سازی داده ها
A06 Normalize Data
عملکرد فعال سازی A07
A07 Activation Function
عملکرد از دست دادن A08
A08 Loss Function
A09 گرادیان نزول
A09 Gradient Descent
اجرای زیبای Gradient Descent توسط پایتورچ A10
A10 Elegant Implementation of Gradient Descent by pytorch
پروژه نهایی A11 برای A
A11 Final Project For A
A12 پروژه نهایی برای توضیح داده شده
A12 Final Project for A Explained
از پرسپترون ساده تا پرسپترون چند لایه (MLP) توسط پایتورچ
From Simple Perceptron to Multi Layer Perceptron(MLP) by pytorch
پرسپترون چند لایه B01 (MLP)
B01 Multi Layer Perceptron(MLP)
B02 مجموعه داده را آماده کنید
B02 Prepare Dataset
B03 مدل MLP را تعریف کنید
B03 Define MLP Model
آموزش و ارزیابی پرسپترون چند لایه B04
B04 Multi Layer Perceptron Training&Evaluation
B05 تکلیف و توضیح نهایی پروژه
B05 Final Project Assignment & Explanation
شبکه عصبی کاملا متصل توضیح داده شده است
Fully Connected Neural Network Explained
شبکه عصبی کاملاً متصل C01 (FCNN) توضیح داده شده است
C01 Fully Connected Neural Network(FCNN) explained
C02 FCNN LOVE Letters تشخیص تصویر
C02 FCNN LOVE Letters Image Recognition
C03 تکلیف و توضیح نهایی پروژه
C03 Final Project Assignment and Explanation
شبکه عصبی کانولوشنال (CNN)
Convolutional Neural Network (CNN)
D01 CNN توضیح داد
D01 CNN explained
D02 مجموعه داده را آماده کنید
D02 Prepare Dataset
D03 CNN تعریف مدل
D03 CNN Define Model
D04 CNN قطار و ارزیابی مدل
D04 CNN Train and Evaluate Model
D05 CNN پیش بینی کنید
D05 CNN Make a prediction
پروژه نهایی D06
D06 Final Project
شبکه عصبی مکرر (RNN)
Recurrent Neural Network(RNN)
شبکه عصبی بازگشتی (RNN) توضیح داد
Recurrent Neural Network(RNN) explained
E02 RNN داده ها را آماده می کند
E02 RNN prepare data
E03 RNN تعریف مدل
E03 RNN define model
E04 RNN قطار و ارزیابی مدل
E04 RNN Train and Evaluate Model
نمایش نظرات