این سلسله مقالات به منظور تمرکز بر بخش‌های جذاب و مهم ساخت یک مدل word2vec در تنسورفلو ارائه می‌شوند.
ویبنار
وبینار آموزشی TensorFlow بر روی معماری‌های جدید Intel بسیاری از افرادی که از کارت گرافیک‌های Intel نظیر Iris استفاده می‌کنند این مشکل را دارند که نمی‌توانند از تنسورفلو بر روی کارت گرافیک خود استفاده کنند. در این وبینار به مرور استفاده بهینه سازی شده از تنسورفلو بر روی پردازنده‌های گرافیکی و معماری‌های حدید اینتل پرداخته […]
وبینار رایگان معرفی APIهای جدید TensorFlow
وبینار معرفی و آموزش APIهای جدید تنسورفلو ۱ با ارائه Aaron Schumacher در این وبینار علاوه بر دریافت منابع می‌توانید سوالات خود را به صورت آنلاین از سخنران سوال نمایید. پس از ارائه نسخه TensorFlow 1.0،و عدم پشتیانی برخی از API های نسخه های پیشین ، قابلیت های جدیدی نیز در این نسخه رونمایی شده است که […]
شروع کار با تنسورفلو
این آموزش شما را برای شروع برنامه‌نویسی در تنسورفلو آماده می‌کند. پیش از استفاده از این راهنما، حتماً راهنمای نصب تنسورفلو را مطالعه کنید و یک نسخه از تنسورفلو را نصب کنید تا در ضمن آموزش از آن استفاده کنید.
درجه، بعد و شکل تانسورها در TensorFlow
در مطالب پیشین اشاره کردیم که تنسورفلو از داده ساختارهای مبتنی بر تانسور بهره می‌گیرد و هم‌چنین انواع نوع داده‌های مبتنی تانسور را مرور کردیم. در ادامه به معرفی ویژگی‌های این نوع داده ساختارهای تانسورها می‌پردازیم.
بارگذاری داده‌ها در تنسورفلو
یکی از گام‌های اولیه و اساسی در برنامه‌های یادگیری ماشینی، بارگذاری و فراخوانی مجموعه داده‌ها است. در نسخه‌ی ۱٫۰ TensorFlow نسبت به نسخه‌های پیشین ابزارهایی جدیدی به این منظور گنجانده‌شده است.
کار با تانسورها در TensorFlow
در این مطلب نحوه‌ی ایجاد کردن تانسورهای مختلف و کار با آن‌ها در تنسورفلو آموزش داده میشود.
مجموعه دادگان MNIST
Mnist یک مجموعه داده ساده در زمینه بینایی ماشین(کامپیوتر) است. این مجموعه داده شامل تصاویری از ارقام دست‌نویس انگلیسی است.
تنسور چیست؟
در این مطلب مختصری در مورد تانسورها ( Tensors) توضیح داده میشود. سپس به تعریف و تبدیل و مقداردهی آن‌ها می‌پردازیم.
پیاده سازی خودکدگذار در TensorFlow
در این قسمت یکی از کاربردهای شبکه های عصبی در یادگیری نظارت شده (با ناظر) بر روی داده های برچسب خورده، معرفی میشود. خودکدگذار یا خودرمزنگارها (Autoencoder) شبکه هایی با هستند که با هدف یادگیری بازنمایی فشرده از داده ها استفاده می شوند. در این فرآیند ویژگی هایی که از داده ها استخراج و در بازنمایی […]