مدل یادگیری ماشین خود را با APIهای جدید TensorBoard بصری سازی کنید.

مدل یادگیری ماشین خود را با APIهای جدید TensorBoard بصری سازی کنید.

برای فراهم اوردن امکان ایجاد جلوه های جدید و مفید، Google اعلام کرد که مجموعه ای از API های سازگار را ارائه می دهد که به توسعه دهندگان اجازه می دهد پلاگین های بصری سازی( visualization) را به TensorBoard اضافه کنند. گوگل امیدوار است که توسعه دهندگان از این API برای گسترش TensorBoard استفاده کنند و اطمینان حاصل شود که انواع مختلفی از موارد استفاده را پوشش می دهند.

وبینار رایگان معرفی APIهای جدید TensorFlow

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 […]

درجه، بعد و شکل تانسورها در TensorFlow

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

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.

خانه

به پایگاه آموزش یادگیری ماشین در TensorFlow خوش آمدید! در این پایگاه به آموزش مفاهیم یادگیری ماشین، یادگیری عمیق و استفاده از بسته TensorFlow در پایتون می‌پردازیم. هم چنین تلاش خواهیم کرد تا جدیدترین پروژه‌ها و پژوهش‌ها و مقالات در حوزه‌های مرتبط در قالب آموزشی در اختیار علاقه مندان قرار گیرد. ذکر مطالب این پایگاه […]

تنسور چیست؟

تنسور چیست؟

در این مطلب مختصری در مورد تانسورها ( Tensors) توضیح داده می‌شود. سپس به تعریف و تبدیل و مقداردهی آن‌ها می‌پردازیم.

کتابخانه NumPy

کتابخانه NumPy

NumPy یکی از اصلی ترین پکیج های محاسبات علمی در پایتون است. این یک کتابخانه پایتون است که امکان ایجاد آرایه های چند بعدی، مانند آرایه های نقاب دار (masked arrays)، ماتریسها و .. را به ما میدهد، یک آرایه NumPy ویژگیهایی همچون محاسبات ریاضی، منطقی، تغییر شکل آرایه ها، مرتب سازی، انتخاب، جبر خطی، محاسبات […]

پیاده سازی خودکدگذار در TensorFlow

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 […]

12