هذا هو تطبيق Linux المسمى Deep Learning with PyTorch والذي يمكن تنزيل أحدث إصدار له باسم DLSP19.zip. يمكن تشغيله عبر الإنترنت في مزود الاستضافة المجاني OnWorks لمحطات العمل.
قم بتنزيل وتشغيل هذا التطبيق المسمى Deep Learning with PyTorch with OnWorks عبر الإنترنت مجانًا.
اتبع هذه التعليمات لتشغيل هذا التطبيق:
- 1. قم بتنزيل هذا التطبيق على جهاز الكمبيوتر الخاص بك.
- 2. أدخل في مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX باسم المستخدم الذي تريده.
- 3. تحميل هذا التطبيق في هذا الملف.
- 4. ابدأ تشغيل OnWorks Linux عبر الإنترنت أو محاكي Windows عبر الإنترنت أو محاكي MACOS عبر الإنترنت من هذا الموقع.
- 5. من نظام تشغيل OnWorks Linux الذي بدأته للتو ، انتقل إلى مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX مع اسم المستخدم الذي تريده.
- 6. قم بتنزيل التطبيق وتثبيته وتشغيله.
SCREENSHOTS
Ad
التعلم العميق مع PyTorch
الوصف
تتعلق هذه الدورة بأحدث التقنيات في التعلم العميق والتعلم التمثيلي ، مع التركيز على التعلم العميق الخاضع للإشراف وغير الخاضع للإشراف ، وطرق التضمين ، والتعلم المتري ، والشبكات التلافيفية والمتكررة ، مع تطبيقات لرؤية الكمبيوتر ، وفهم اللغة الطبيعية ، والتعرف على الكلام. تتضمن المتطلبات الأساسية DS-GA 1001 مقدمة في علوم البيانات أو دورة تعلم الآلة على مستوى الدراسات العليا. لتتمكن من متابعة التدريبات ، ستحتاج إلى جهاز كمبيوتر محمول مع Miniconda (إصدار بسيط من Anaconda) والعديد من حزم Python المثبتة. ستعمل التعليمات التالية كما هو الحال مع مستخدمي Mac أو Ubuntu Linux ، وسيحتاج مستخدمو Windows إلى التثبيت والعمل في محطة Git BASH. يحتوي JupyterLab على سمة داكنة مدمجة قابلة للتحديد ، لذلك تحتاج فقط إلى تثبيت شيء ما إذا كنت تريد استخدام واجهة الكمبيوتر المحمول الكلاسيكية.
المميزات
- يتم استخدام دفاتر Jupyter خلال المحاضرات لاستكشاف البيانات التفاعلية والتصور
- يحتوي مستودع الكمبيوتر الدفتري هذا الآن على موقع ويب مصاحب
- أساسيات التعلم الخاضع للإشراف والشبكات العصبية والتعلم العميق
- الشبكة العصبية التلافيفية وتطبيقاتها
- حيل التنظيم وحيل التحسين وفهم كيفية عمل التعلم العميق
- تصور تحويل معلمات الشبكات العصبية والمفاهيم الأساسية للالتواء
الفئات
هذا تطبيق يمكن جلبه أيضًا من https://sourceforge.net/projects/deep-l-with-pytorch.mirror/. تمت استضافته في OnWorks ليتم تشغيله عبر الإنترنت بأسهل طريقة من أحد أنظمتنا التشغيلية المجانية.