آموزش جامع PyTorch: کار با تصاویر - آخرین آپدیت

مقدمه Introduction

• طبقه‌بندی تصاویر با PyTorch Image classification with PyTorch

• پیش‌نیازها و آنچه باید بدانید What you should know

1. آشنایی با طبقه‌بندی تصاویر 1. Introduction to Image Classification

• درک شبکه‌های عصبی پیچشی (CNN) Understanding convolutional neural networks (CNNs)

• طبقه‌بندی تصاویر چندکلاسه Multiclass image classification

• طبقه‌بندی تصاویر دوتایی (باینری) Binary image classification

• طبقه‌بندی تصویر چیست؟ What is image classification?

2. آماده‌سازی داده‌ها 2. Data Preparation

• بصری‌سازی داده‌ها Visualizing the data

• تبدیل و تغییر شکل داده‌ها Transforming the data

• وارد کردن پکیج‌ها و کتابخانه‌ها Importing the packages

• سازماندهی مجموعه داده‌ها Organizing the dataset

3. یادگیری انتقالی با مدل‌های پیش‌آموزش‌دیده 3. Transfer Learning with Pretrained Model

• مقدمه‌ای بر یادگیری انتقالی Introduction to transfer learning

• منجمد کردن لایه‌ها و آموزش از بلوک‌های خاص Freezing layers and training from specific blocks

• تنظیم دقیق ResNet برای طبقه‌بندی دوتایی Fine-tuning ResNet for binary classification

• مدل ResNet ResNet model

4. آموزش و تست مدل 4. Training and Testing the Model

• پاسخ: ارزیابی و تست مدل Solution: Evaluate and test the model

• چالش: ارزیابی و تست مدل Challenge: Evaluate and test the model

• ارزیابی عملکرد مدل Evaluating model performance

• بصری‌سازی پیش‌بینی‌ها Visualizing predictions

• راه‌اندازی حلقه آموزش (Training Loop) Setting up the training loop

• ذخیره‌سازی مدل Saving the model

• تابع زیان و بهینه‌ساز Loss function and optimizer

5. پروژه نهایی 5. Capstone Project

جمع‌بندی Conclusion

• گام‌های بعدی Next steps