دوره آموزشی
دوبله زبان فارسی
آموزش ضروری PyTorch: کار با تصاویر
✅ سرفصل و جزئیات آموزش
توسعهدهندگان یادگیری ماشین و دانشمندان داده ممکن است از پیچیدگی شبکههای عصبی کانولوشنی (CNN) و کاربردهای آنها دچار سردرگمی شوند. این دوره رویکردی پروژهمحور و عملی برای دستهبندی تصاویر ارائه میدهد. همراه با مدرس Terezija Semenski تجربه عملی در پیشپردازش دادهها، آموزش و ارزیابی مدل از پیشآموزشدیده کسب کنید. علاوه بر این، با مفاهیمی مانند یادگیری انتقالی، فاین تیونینگ مدل و معیارهای ارزیابی آشنا شوید.
آموزش ضروری PyTorch: کار با تصاویر
-
دستهبندی تصاویر با PyTorch 0:00:41
-
آنچه باید بدانید 0:01:28
-
دستهبندی تصاویر چیست؟ 0:04:09
-
دستهبندی دودویی تصاویر 0:03:51
-
دستهبندی چندکلاسه تصاویر 0:02:34
-
آشنایی با شبکههای عصبی کانولوشنی (CNN) 0:05:39
-
ایمپورت بستهها 0:02:41
-
سازماندهی مجموعه داده 0:01:40
-
تبدیل دادهها 0:04:49
-
مصورسازی دادهها 0:01:56
-
مقدمهای بر یادگیری انتقالی 0:02:34
-
مدل ResNet 0:03:19
-
فاین تیونینگ ResNet برای دستهبندی دودویی 0:03:07
-
ثابت نگه داشتن لایهها و آموزش از بلوکهای مشخص 0:02:35
-
راهاندازی حلقه آموزش 0:04:31
-
تابع زیان و بهینهساز 0:03:57
-
ارزیابی عملکرد مدل 0:03:03
-
ذخیره مدل 0:01:55
-
مصورسازی پیشبینیها 0:02:29
-
چالش: ارزیابی و تست مدل 0:01:43
-
راهحل: ارزیابی و تست مدل 0:02:36
-
گامهای بعدی 0:00:37
مشخصات آموزش
آموزش ضروری PyTorch: کار با تصاویر
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:22
- مدت زمان :1:31:54
- حجم :131.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy