پیشنهاد فرادرس

آموزش شروع کار با تنسورفلو برای یادگیری عمیق

دسته بندی ها: هوش مصنوعی ، یادگیری عمیق (Deep Learning) ، آموزش های Packtpub ، آموزش تنسورفلو (TensorFlow)

هدف این دوره آموزشی تنها این نیست که شما را با یادگیری عمیق آشنا سازد، بلکه این است که شما را به گونه ای آموزش دهیم تا بتوانید شبکه عصبی خودتان را ساخته و در دنیای واقعی استفاده کنید. از اینرو تنسور فلو، یکی از کتابخانه های کارآمد پایتون در زمینه ی ساخت و آموزش  شبکه ی عصبی را استفاده خواهیم کرد. در این دوره مهارتهای بکارگیری معماری شبکه های عصبی  را به شکلی سریع و موثر بدون اینکه درگیر جزییات آن بشوید، خواهید آموخت. حین یادگیری مباحث پایه می توانید بر خط مشی آموزش حرفه ای و مثال های کاربردی مرتبط هر بحث، ضمن آموزش تکیه کنید. مثال هایی از شبکه عصبی را آورده ایم  که قادر خواهید بود از آنها در تشخیص ویژگی های کلیدی بهره بگیرید. و همینطور که پیش میرویم شبکه های عصبی پیشرفته، پیچیده، و کاربردی تر را معرفی خواهیم کرد و یاد میگیرید که چگونه یک شبکه عصبی پیچیده را جهت دسته بندی تصاویر متون دست نوشته،  شناسایی اشیا و جانمایی اشیا در یک تصویر بکار ببرید . این دوره به شما در پشت سر گذاشتن هر چه سریع تر تنسور فلو، کمک خواهد کرد و در نتیجه  قادر خواهید بود پا را فراتر گذاشته و پروژه هایی مانند شناسایی تصاویر را به تنهایی انجام دهید. تمام کد ها و فایل های پشتیبان در گیت هاب به آدرس ذیل در دسترس شما هستند .

آنچه خواهید آموخت:

  • درک صحیح مفهوم یادگیری عمیق
  • آموزش یک شبکه ی عصبی برای یادگیری مراحل پیچیده ی فرایند " backpropagation"
  • روش صحیح  ایجاد یک مجموعه داده ، برای استفاده در تنسور فلو که گامی مهم در آموزش مدل  محسوب میشود
  • ایجاد معماری شبکه عصبی مخصوص خودتان  با استفاده از کراس ، که موجب میشود  بسته به نوع  نیاز شخصی  هر معماری را تعریف کنید
  • آشنایی با شبکه های عصبی پیچیده و پی بردن به اینکه چرا آنها در مقوله ی شناسایی تصاویر قدرتمند هستند
  • استفاده از افزونه ی شناسایی اشیا جهت دسته بندی و جانمایی آنها در تصاویر

سرفصل ها:

  • مقدمه ای بر یادگیری عمیق و تنسور فلو
  • معرفی دوره
  • یادگیر عمیق چیست؟
  • چرا یادگیری عمیق مفید است؟
  • توابع فعال سازی
  • آموزش شبکه های عصبی
  • آشنایی با تنسور فلو
  • نصب تنسور فلو
  • ایجاد و آموزش مجموعه داده
  • ساخت مدل ، مصور سازی و ارزیابی
  • اجرای اولین شبکه ی آموزشی شخصی
  • بارگدازی مجموعه داده
  • تعربف مدل و برآوردگر
  • ارزیابی و مصور سازی
  • دسته بندی اعداد دست نویس
  • مقدمه ای بر شبکه عصبی پیچیده
  • بارگداری محموعه داده
  • ساخت دسته بندی کننده - قسمت اول
  • ساخت دسته بندی کننده -  قسمت دوم
  • آموزش مدل
  • آزمایش مدل و نتایج بدست آمده
  • شناسایی اشیا و دسته بندی
  • آزمایش مدل از پیش آموزش دیده با افزونه شناسایی اشیا
  • ایجاد مجموعه داده گربه ها و سگ ها
  • آموزش مدل جدید
  • بکارگیری مدل شخصی جدید
آیا این نوشته را دوست داشتید؟
Getting Started with TensorFlow for Deep Learning [Video] Publisher:Packtpub Author:Tom Joy Duration:2 hours 45 minutes

Apply Deep Learning to different data types and solve real-world problems with TensorFlow
We will not only get you up-and-running with deep learning, but also equip you with the skills to implement your own neural networks and apply them to the real world.
We will use TensorFlow, an efficient Python library used to create and train our neural networks. You'll learn the skills to implement their architecture quickly and efficiently without having to deal with minutiae.
You can rely on our expert guidance while learning the basic theory, backed up with relevant examples. We provide examples of neural networks, which you can use to highlight the key features. We then build up to more advanced networks. You'll learn to utilize a Convolutional Neural Network to classify images of handwritten text and then take your CNN further to perform object detection and localization in an image.
This course will quickly get you past the fundamentals of TensorFlow; you'll go on to more exciting things such as implementing a variety of image recognition tasks. All the code and this course's supporting files are available on GitHub at - https://github.com/PacktPublishing/Getting-Started-with-TensorFlow-for-Deep-Learning-
Style and Approach
This course will breeze through some essential textbook knowledge when it comes to machine learning. Following a brief math section, we get started with deep learning straight away.
Released: Friday, November 30, 2018
An Introduction to Deep Learning and TensorFlow
The Course Overview
What Is Deep Learning?
Why Is Deep Learning Useful?
Activation Functions
Training Neural Networks
Getting Started with TensorFlow
Installing TensorFlow
Creating the Training Dataset
Creating the Models
Training the Model
Visualization and Evaluation
Implementing Your First Neural Network
Loading the Dataset
Defining the Model and Estimator
Training
Evaluation and Visualization
Handwritten Digit Classification
Introduction to CNNs
Loading the Dataset
Constructing the Classifier – Part One
Constructing the Classifier – Part Two
Training the Model
Testing and Results
Object Detection and Classification
Testing the Pre-Trained Model With Object Detection API
Creating a Cats and Dogs Dataset
Training Your New Model
Deploying Your New Model

پیشنهاد فرادرس