این برنامه لینوکس به نام Deep Learning with PyTorch است که آخرین نسخه آن را می توان با عنوان DLSP19.zip دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این برنامه با نام Deep Learning with PyTorch را با OnWorks به صورت آنلاین دانلود و 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.
عکس ها
Ad
یادگیری عمیق با PyTorch
شرح
این دوره به جدیدترین تکنیک‌ها در یادگیری عمیق و یادگیری بازنمایی، با تمرکز بر یادگیری عمیق تحت نظارت و بدون نظارت، روش‌های جاسازی، یادگیری متریک، شبکه‌های کانولوشنال و تکراری، با کاربردهایی در بینایی کامپیوتر، درک زبان طبیعی و تشخیص گفتار مربوط می‌شود. پیش نیازها عبارتند از DS-GA 1001 Intro to Science Data یا دوره آموزش ماشینی در سطح فارغ التحصیل. برای اینکه بتوانید تمرینات را دنبال کنید، به یک لپ تاپ با Miniconda (نسخه حداقلی Anaconda) و چندین بسته پایتون نیاز دارید. دستورالعمل زیر برای کاربران لینوکس مک یا اوبونتو کار می کند، کاربران ویندوز باید نصب کنند و در ترمینال Git BASH کار کنند. JupyterLab دارای یک تم تیره قابل انتخاب داخلی است، بنابراین اگر می خواهید از رابط کلاسیک نوت بوک استفاده کنید، فقط باید چیزی را نصب کنید.
امکانات
- از نوت بوک های Jupyter در طول سخنرانی ها برای کاوش و تجسم داده های تعاملی استفاده می شود
- این مخزن نوت بوک اکنون یک وب سایت همراه دارد
- مبانی یادگیری تحت نظارت، شبکه های عصبی و یادگیری عمیق
- شبکه عصبی کانولوشن و کاربردهای آن
- ترفندهای منظم سازی، ترفندهای بهینه سازی و درک نحوه عملکرد یادگیری عمیق
- تجسم تبدیل پارامتر شبکه های عصبی و مفاهیم اساسی کانولوشن
دسته بندی ها
این برنامه ای است که می توان آن را از https://sourceforge.net/projects/deep-l-with-pytorch.mirror/ نیز دریافت کرد. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.
