این یک برنامه لینوکسی به نام Deep Learning Is Nothing است که آخرین نسخه آن را میتوانید با نام Deep-Learning-Is-Nothingsourcecode.tar.gz دانلود کنید. این برنامه را میتوان به صورت آنلاین در ارائه دهنده هاست رایگان OnWorks برای ایستگاههای کاری اجرا کرد.
این برنامه با نام Deep Learning Is Nothing with OnWorks را به صورت رایگان دانلود و آنلاین اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. OnWorks Linux آنلاین یا شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MACOS را از این وب سایت راه اندازی کنید.
- 5. از سیستم عامل لینوکس OnWorks که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. اپلیکیشن را دانلود کرده، نصب و اجرا کنید.
اسکرین شات ها:
یادگیری عمیق هیچ چیز نیست
DESCRIPTION:
کتاب «یادگیری عمیق هیچ است» مفاهیم یادگیری عمیق را به سبکی قابل فهم و از ابتدا ارائه میدهد که پشته پشت مدلهای مدرن را رمزگشایی میکند. این کتاب معمولاً با جبر خطی، حساب دیفرانسیل و انتگرال و بهینهسازی شروع میشود و سپس به پرسپترونها، شبکههای چندلایه و آموزش مبتنی بر گرادیان میپردازد. پیادهسازیها از مثالهای کوچک و خوانا - که اغلب ابتدا NumPy هستند - استفاده میکنند تا نشان دهند که چگونه پاسهای رو به جلو و عقب بدون وابستگی صرف به چارچوبهای سطح بالا کار میکنند. پس از روشن شدن اصول، مطالب به CNNها، RNNها و مکانیسمهای توجه گسترش مییابد و توضیح میدهد که چرا هر معماری برای وظایف خاص مناسب است. بخشهای عملی، خطوط لوله داده، منظمسازی و ارزیابی را پوشش میدهند و بر تکنیکهای تکرارپذیری و اشکالزدایی تأکید میکنند. هدف این است که کلمات کلیدی را با شهود جایگزین کنیم تا زبانآموزان بتوانند با اعتماد به نفس در مورد معماریها و پویاییهای آموزش استدلال کنند.
امکانات
- مرور مطالب ریاضی و بهینهسازی که مستقیماً به کد مربوط میشوند
- پیادهسازیهای از ابتدا که پاسهای رو به جلو و عقب را نشان میدهند
- پیشرفت گام به گام از MLPها به CNNها، RNNها و توجه
- راهنماییهای کاربردی در مورد آمادهسازی، منظمسازی و ارزیابی دادهها
- مثالهای خوانا که پلی بین NumPy و استفاده از چارچوب ایجاد میکنند
- تأکید بر شهود و عیبیابی به جای کلیشههای رایج
دسته بندی ها
این برنامهای است که میتوان آن را از https://sourceforge.net/projects/deep-learning-is-not.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به سادهترین روش به صورت آنلاین از یکی از سیستمهای عامل رایگان ما اجرا کرد.