درود دوستان. اخیرا ویژگی استفاده از پردازنده های تی پی یو یا همون واحد پردازشی تنسر(تنسور) به سیستم گوگل کولب اضافه شده. افرادی که یادگیری عمیق کار کردن میدونن که ماتریس هایی که به صورت ورودی و خروجی لایه های شبکه عصبی مصنوعی عمیق وجود دارن رو بهشون میگن تنسر. حالا این سخت افزارهای پردازشی به ما قدرت پردازش چند برابر حتی سریعتر از جی پی یو و چندها برابر سریعتر از سی پی یو رو میده. اما برای استفاده از اون لازمه که یه سری کدها رو اجرا کنید تا گوگل کولب بتونه ازش استفاده کنه. برای مثال بنده یه تکه کد کراس Karas رو براتون میذارم در بخش پایانی پست تا متوجه بشید چطوری این عمل صورت میگیره:
(((در صورت هرگونه سوال در هر مسئله یا پروژه ای از منوی "تماس" با بنده در تماس باشید. با کمال میل در خدمتم.)))
Hi. Recently Google added TPU support to Google Colab (Awesome) so we can use it to run our programs faster. but to use it, we need a piece of code and here is an example of how to use it in Keras:
Hello Everybody. In this post I want to present you a way to Dimensionality reduction and dataset visualization in Keras Deep learning framework (In this example on "Fashion Mnist" dataset). My codes with descriptions are presented in the link at the bottom of this post.
Please refer to this web page when you want to copy or use it.
Contact me from one of the links of "Contact" box, in the left hand side of the page if you have any question. Thank you.
(((در صورت هرگونه سوال در هر مسئله یا پروژه ای از منوی تماس (بالا) (یا از تلگرام) با بنده در تماس باشید. با کمال میل در خدمتم.)))
سلام و درود. در این پست قصد دارم کدهای پایتون مربوط به کاهش ابعاد و همچنین تجسم دوبعدی دیتاست رو خدمتتون ارائه بدم. با این روش پس از آموزش دادن شبکه عصبی مصنوعی عمیق (شبکه یادگیری عمیق) در فریم ورک یادگیری عمیق کراس (تنسرفلو)، بر روی دیتاست Fashion Mnist میتونید فاصله دوبعدی داده هاتون رو در یک فضای دوبعدی به صورت گرافیکی مشاهده کنید.
سلام. در این مطلب میخوام از یکی از انقلابی ترین سیستم های پردازشگر دنیا براتون بنویسم. سیستم Google Colab. همونطور که از اسمش هم پیداست،
گوگل کولب، محصولی عمومی از شرکت گوگل هست که به شما این امکان رو میده تا برنامه های کامپیوتری سنگین رو با سرعت خیلی بالا روش اجرا کنین. این سیستم کاملا رایگان هست. این سیستم با محبوب ترین زبان برنامه نویسی یعنی زبان برنامه نویسی پایتون کار میکنه و میتونین داخلش هر پکیج (کتابخونه) جدیدی که دوست داشته باشین رو اضافه کنین بهش. از جمله پکیچ هایی که میتونین بهش اضافه کنین میشه به پکیج های ابزارهای آماده یادگیری ماشین به خصوص یادگیری عمیق اشاره کرد.
اما بریم سر اصل مطلب که این سیستم چطوری کار میکنه.
دانلود - Download