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.

شروع کار با تنسورفلو

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

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.

نصب درایورهای Nvidia در لینوکس

نصب درایورهای Nvidia در لینوکس

ممکن است در کار با سیستم عامل Ubuntu و یا سایر توزیع‌های لینوکس با مشکل نصب و راه اندازی درایور کارت گرافیک Nvidia مواجه شده باشید. در این آموزش مختصر، به نحوه‌ی حل این مشکلات خواهیم پرداخت.

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 […]

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 […]