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.
این سلسله مقالات به منظور تمرکز بر بخش‌های جذاب و مهم ساخت یک مدل word2vec در تنسورفلو ارائه می‌شوند.
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 […]
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.
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.
در این مطلب نحوه‌ی ایجاد کردن تانسورهای مختلف و کار با آن‌ها در تنسورفلو آموزش داده میشود.
در این مطلب مختصری در مورد تانسورها ( Tensors) توضیح داده میشود. سپس به تعریف و تبدیل و مقداردهی آن‌ها می‌پردازیم.
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 […]
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 […]
بازشناسی ارقام دست نویس (دست‌نوشته) از ابتدایی ترین و پر کارترین مسایل در زمینه یادگیری ماشین است. مجموعه داده های بسیاری در این زمینه به وجود آمده است که مشهورترین آن‌ها مجموعه MNIST است. در ادامه به پیاده سازی یک مدل softmax برای بازشناسی MNIST می‌پردازیم.