مطالب پیشنهادی از سراسر وب

آموزش عملی بینایی کامپیوتر با PyTorch 1.x

دسته بندی ها: بینایی رایانه ای (Computer vision) ، آموزش پایتون (Python) ، آموزش پای تورچ (PyTorch) ، آموزش های Packtpub ، آموزش هوش مصنوعی (AI)

Pytorch بسیار قدرتمند است و استفاده از آن بسیار ساده است. این دوره به شما کمک می کند از قدرت PyTorch برای انجام پردازش تصویر استفاده کنید. این دوره با مقدمه ای در زمینه ی پردازش تصویر، شما را با مفاهیم اساسی یادگیری عمیق و بهینه سازی آشنا می کند. در مرحله ی بعدی، شما خواهید آموخت که از API های PyTorch مانند Dynamic graph computation tensor، برای طبقه بندی استفاده کنید. با تصاویر دو بعدی شروع می کنیم و این دوره به تدریج شما را از طریق شناسایی و تصاویر پیچیده تر، رنگ، اشکال و موارد دیگر راهنمایی می کند. با استفاده از Python API، به سراغ طبقه بندی و آموزش مدل خود برای شناسایی تصاویر پیچیده تر حرکت خواهید کرد — به عنوان مثال، درک شناخت دقیق تر از انسان ها نسبت به گونه های گیاهی. سپس با بهره گیری از شبکه ی عصبی عمیق PyTorch، به AlexNet ،ResNet ،VGG-net، شبکه های مولد متخاصم(GANs)، Neural style transfer و سایر موارد می پردازیم.

گذراندن این دوره راهنمای عملی و یک مرحله ای شما برای استفاده از بینایی کامپیوتر در پروژه های شما با استفاده از PyTorch است.

لطفا توجه داشته باشید که درک درستی از حساب و جبر خطی، همراه با برخی از تجربیات استفاده از پایتون، برای شرکت در این دوره مورد نیاز است.

تمامی کدها و فایل ها در این لینک در دسترس است.

 

فایل های تمرین exercise_files.zip
آیا این نوشته را دوست داشتید؟
Packt Hands-on Computer Vision with PyTorch 1.x Duration:2 hours 57 minutes

PyTorch is powerful and simple to use. This course will help you leverage the power of PyTorch to perform image processing. Beginning with an introduction to image processing, the course introduces you to basic deep-learning and optimization concepts. Next, you'll learn to use PyTorch's APIs such as the dynamic graph computation tensor, which can be used for image classification. Starting off with basic 2D images, the course gradually takes you through recognizing more complex images, color, shapes, and more.
Using the Python API, you'll move on to classifying and training your model to identify more complex images—for example, recognizing plant species better than humans. Then you'll delve into AlexNet, ResNet, VGG-net, Generative Adversarial Networks(GANs), neural style transfer, and more–—all by taking advantage of PyTorch's Deep Neural Networks.
Taking this course is your one-stop, hands-on guide to applying computer vision to your projects using PyTorch. You'll create and deploy your own models, and gain the necessary intuition to work on real-world projects.
Please note that a understanding of calculus and linear algebra, along with some experience using Python, are assumed for taking this course.
All the code and supporting files for this course are available at https://github.com/PacktPublishing/Hands-On-Computer-Vision-with-PyTorch-1.x

پیشنهاد آموزش مرتبط در فرادرس