Tensorflow(@CVision)

Congrats to Mohammad Rastegari and Ali Farhadi! https://www.geekwire.com/2020/exclusive-apple-acquires-xnor-ai-edge-ai-spin-paul-allens-ai2-price-200m-range/ The company was founded based on the idea of the following paper: M. Rastegari, V. Ordonez, J. Redmon, A. Farhadi, XNOR-Net: ImageNet Classification Using Binary Convolutional Neural Networks, ECCV, 2016 https://arxiv.org/abs/1603.05279

The PyTorch v1.4.0 release is now available. The 1.4 release of PyTorch adds new capabilities, including the ability to do fine grain build level customization for PyTorch Mobile, and new experimental features including support for model parallel training and Java language bindings. Blog Post: https://pytorch.org/blog/pytorch-1-dot-4-released-and-domain-libraries-updated/ GitHub: https://github.com/pytorch/pytorch #pytorch

با Hyperas، هایپرپارامترهای مدل کراس رو tune کنید! A very simple convenience wrapper around hyperopt for fast prototyping with keras models. Hyperas lets you use the power of hyperopt without having to learn the syntax of it. Instead, just define your keras model as you are used to, but use a simple template notation to define hyper-parameter ranges to tune. Blog Post: https://towardsdatascience.com/keras-hyperparameter-tuning-in-google-colab-using-hyperas-624fa4bbf673 GitHub: https://github.com/maxpumperla/hyperas

سرفصل های این دوره: قسمت اول – 18 دقیقه - مقدمات شبکه های بازگشتی قسمت دوم – 21 دقیقه - یک سلول (واحد) بازگشتی ساده و شبکه بازگشتی قسمت سوم – 32 دقیقه - پیاده‌سازی تخمین تابع با شبکه‌های بازگشتی ساده قسمت چهارم – 4 دقیقه - طول دنباله متغیر در شبکه‌های بازگشتی (۱) قسمت پنجم – 11 دقیقه - طول دنباله متغیر در شبکه‌های بازگشتی (۲) قسمت شـشـم – 19 دقیقه - محو شدگی و انفجار گرادیان‌ها در شبکه‌های بازگشتی قسمت هفتم – 26 دقیقه - شبکه‌های GRU قسمت هشتم – 8 دقیقه - شبکه‌های LSTM قسمت نهم – 9 دقیقه - دیاگرام شبکه‎های LSTM قسمت دهم – 9 دقیقه - مثال‌هایی از داده‌های توالی و ترتیبی قسمت یازدهم – 5 دقیقه - شبکه‌های بازگشتی عمیق قسمت دوازدهم – 34 دقیقه - تخمین قیمت ارزهای دیجیتال – پیش‌پردازش داده قسمت سیزدهم – 22 دقیقه - تخمین قیمت ارزهای دیجیتال – بالانس کردن داده‌ها و آموزش قسمت چهاردهم – 34 دقیقه - شبکه‌های بازگشتی برای طبقه‌بندی ویدیو – مثال تشخیص جهت حرکت توپ قسمت پانزدهم – 41 دقیقه - مثال دوم طبقه‌بندی ویدیو – بازشناسی عملکرد در ویدیو قسمت شانزدهم – 32 دقیقه - درک بردار کلمات و بازنمایی آن‌ها قسمت هفدهم – 11 دقیقه - ویژگی‌های بازنمایی کلمات و لایه Embedding قسمت هجدهم – 27 دقیقه - مثال عملی آنالوژی با بردار کلمات قسمت نوزدهم – 14 دقیقه - طبقه‌بندی متن قسمت بـیـسـتـم – 20 دقیقه - پیاده‌سازی طبقه‌بندی متن با روش Bag-of-Embeddings قسمت بیست و یکم – 29 دقیقه - طبقه‌بندی متن با شبکه بازگشتی قسمت بیست و دوم – 57 دقیقه - مدل زبانی – تولید اشعاری شبیه به شاهنامه قسمت بیست و سوم –16 دقیقه - جمع‌بندی و معرفی شبکه‌های بازگشتی دوطرفه قسمت بیست و چهارم – 14 دقیقه - مدل‌های توالی به توالی قسمت بیست و پنجم – 27 دقیقه - مثال عملی Seq2Seq برای فهم رشته عملیات ریاضی قسمت بیست و شـشـم – 15 دقیقه - مقدمات ترجمه ماشینی قسمت بیست و هفتم – 15 دقیقه - الگوریتم جست و جوی پرتو قسمت بیست و هشـتم – 60 دقیقه - مکانیزم توجه در ترجمه ماشینی قسمت بیست و نهم – 30 دقیقه - پیاده‌سازی ترجمه ماشینی در کراس برای تبدیل تاریخ قسمت سـی‌ام – 15 دقیقه - روش کمک معلم قسمت سی و یکم – 41 دقیقه - پیاده‌سازی ترجمه ماشینی با مکانیزم توجه و Teacher Forcing در تنسرفلو ۲ قسمت سی‌ و دوم – 28 دقیقه - شرح تصاویر با توجه بصری P