به تارگی تیم تحقیقاتی گوگل در مقاله‌ای مفصل، به معرفی سیستم مترجم ماشینی (Neural Machine Translation) پرداخته است و کدهای آن را برای دسترسی عموم ارائه کرده است. لینک مقاله: https://goo.gl/kJue3c لینک کدها: https://goo.gl/yy4grk
بازنمایی لغات به روش Word2Vec در TensorFlow(قسمت اول)
این سلسله مقالات به منظور تمرکز بر بخش‌های جذاب و مهم ساخت یک مدل word2vec در تنسورفلو ارائه می‌شوند.
ویبنار
وبینار آموزشی TensorFlow بر روی معماری‌های جدید Intel بسیاری از افرادی که از کارت گرافیک‌های Intel نظیر Iris استفاده می‌کنند این مشکل را دارند که نمی‌توانند از تنسورفلو بر روی کارت گرافیک خود استفاده کنند. در این وبینار به مرور استفاده بهینه سازی شده از تنسورفلو بر روی پردازنده‌های گرافیکی و معماری‌های حدید اینتل پرداخته […]
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.
بارگذاری داده‌ها در تنسورفلو
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.
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.
کار با تانسورها در TensorFlow
در این مطلب نحوه‌ی ایجاد کردن تانسورهای مختلف و کار با آن‌ها در تنسورفلو آموزش داده میشود.
تنسور چیست؟
در این مطلب مختصری در مورد تانسورها ( Tensors) توضیح داده میشود. سپس به تعریف و تبدیل و مقداردهی آن‌ها می‌پردازیم.
کتابخانه NumPy
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 […]
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 […]
12