آموزش یادگیری عمیق 4 - نحوه ساخت شبکه عصبی در Tensorflow و بررسی دقیق تمامی پارامترها برای ساخت مدل
ฝัง
- เผยแพร่เมื่อ 4 ต.ค. 2024
- دوره آموزش یادگیری عمیق (Deep learning)
جلسه چهارم - نحوه ساخت شبکه عصبی و بررسی دقیق تمامی پارامترها
.
توی این جلسه ابتدا یاد میگیریم چطور با استفاده از کتابخانه های Tensorflow و Keras شبکه عصبی بسازیم. با مفهوم Sequenctial (یا دنباله ای از لایه ها) آشنا میشیم و یاد میگیریم چطور میشه لایه های مختلف (Layers) به شبکه اضافه کرد و پارامترهایی مثل تابع فعالسازی (activation function) و تعداد نورونها (units) رو برای هر کدوم مشخص کرد. بعد با لایه Dense و نحوه کار اون آشنا میشیم. سپس با تعریف تابع هزینه (Loss function) و الگوریتم بهینه سازی (optimizer) مشخص میکنیم که شبکه هنگام آموزش (train) از چه مدلی و بر اساس چه تابع هزینه ای عمل کنه.
در نهایت با پارامترهایی مثل Epoch، batch_size و ... آشنا میشیم و شبکه رو train میکنیم. در آخر نتیجه و بازدهی شبکه رو به صورت عددی و گرافیکی بررسی میکنیم.
.
دوره های مرتبط با این دوره:
دوره آموزش پایتون از مقدماتی تا پیشرفته • دوره کامل آموزش برنام...
دوره آموزش یادگیری ماشین از مقدماتی تا پیشرفته • دوره کامل ماشین لرنینگ...
.
ویدیوهای انجام پروژه جهت کسب مهارت کدزنی و مرور تمامی مفاهیم مرتبط:
پنج پروژه با استفاده از پایتون • پنج پروژه با استفاده ا...
3 پروژه کاملا کاربردی و مبتنی بر واقعیت برای تمرین بیشتر یادگیری ماشین • 3 پروژه کاملا کاربردی...
.
ممنون میشم اگر آموزشها براتون کاربردی و مفید هست، لایک کنین و در کانال سابسکرایب کنین و همچنین ویدیوها رو با دوستانتون به اشتراک بذارین!
لطفا از دانلود ویدیوها اجتناب کنین، برای این ویدیوها زحمت زیادی کشیده شده (من راضی نیستم که اونها رو دانلود کنید) و به همین دلیل تنها راه استفاده رایگان، تماشای آنلاین هست.
لینک کانال تلگرام t.me/techwithh...
اگر برای ورود به دنیای برنامه نویسی و آموزش آن به صورت خودآموز نیاز به راهنمایی و مشاوره دارید، میتونین از طریق لینک زیر جهت رزرو زمان مناسب اقدام کنید تا با هم در موردش صحبت کنیم و یه شروع قدرتمند داشته باشین.
calendly.com/t...
عالی بود خیلی ساده مفاهیم رو توضیح میدید.
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
Great explaning 🙏
Glad you liked it
خیلی خوب بود این جلسه، ممنون
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
خیلی آموزنده بود، ممنون
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
ممنون از سطح و کیفیت آموزش هایی که میذارین... مشتاقانه منتظر دیدن ویدئوهای بعد هستم
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
من همه دوره هارو از اول شرکت کردم، واقعا عالی توضیح میدین
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
مفید و کاربردی
ممنونم از شما
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
بسیار آموزنده و خوب بود مرسی
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
آقای عباسی ممنون بخاطر ویدیو های عالی و مفیدتون
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
عالی❤
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
Thank you for teach.
You are welcome
عالی بود
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
awli boud, mamnoun
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
مثل همیشه مفاهیم رو عالی توضیح دادید.👏👏👏
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
Thank you very much , very good and useful tutorial
Happy to help and thank you for your support!
ممنون عالی بود
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
خیلی عالی بود ❤
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
@@TechWithHasanAbbasi چشم حتما
ممنون بابت وقت و انرژی ای که صرف کردید
Great ❤
Happy you think so!
perfect!
🙏
استاد آیا آموزش پایتورچ هم در برنامه آموزشی تون دارید؟ در موضوع آموزش دیپ لرنینگ ، پکیچ پایتورچ در چند سال اخیر خیلی رغبت داشته.
بله، در برنامه هست
خوشحالم که از آموزشها راضی هستین
ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
بسیار عالی و شفاف تدریس کردید. بینهایت ممنونم. واقعا چنین آموزشهایی نایاب هست! یه خواهش هم دارم ، اگه ممکنه روش ذخیره مدل را هم آموزش بدید تا هربار که میخواهیم ازش استفاده کنیم مجور نباشیم ترین کنیم! همچنین خیلی مهمه که ارتباط بینن مدل و دیتاهای جدید جهت پیش بینی رو هم یادبگیریم! یعنی بعد از ساخته شدن مدل چه جوری هر کاربری بتونه با یه محیط کاربری مناسب دیتای جدید با فرمت صحیح رو برای مدل بفرسته تا مدل پیش بینی کنه و جواب بده. باتشکر از آقای عباسی عزیز
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
حتما در برنامه قرار میدم
خیلی عالی بود. اما همین جور ازاول تا آخر طبق شما پیش رفتم به مشکل سر خوردم درقسمت fit کردن model.fit(x, y, batch_size=1, epochs=5) برایم error میدهد اما این error دورست متوجه نمیشوم error هم این است. ValueError: Unknown loss function: 'mean_squard_error'. Please ensure you are using a `keras.utils.custom_object_scope` and that this object is included in the scope.
دلیل خطا این هست که تابع هزینه رو اشتباه تایپ کردین، به صورت زیر هست:
mean_squared_error
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
👌👌👌❤
Thank you for your support!
awlii
Thank you for your support!
سلام استاد راه کانکت شدن با شما برای اموزش یک دوره کامل به چه صورته؟ممنون میشم راهنماییم کنید
سلام دوست عزیز
میتونین از طریق ایمیل یا اینستاگرام در ارتباط باشین
insta: techwithhasanabbasi
email: abbasi.hsnn@gmail.com
استاد من کمی گیج شدم و یک سوال دارم
با توجه به اینکه شبکه های عصبی رو در دوره یادگیری ماشینتون فرمودید که یک نوع کلاسیفایر هست ما چگونه می تونیم باهاش یک عدد رو پیدا کنیم
مثل تمامی الگوریتم هایی که توی دوره ماشین لرنینگ یاد گرفتیم، الگوریتمهای دیپ لرنینگ هم ممکنه کلسیفایر و رگرسور داشته باشن، یعنی میتونیم باهاشون هر دو کار رو انجام بدیم. کلیت الگوریتم توی هر دو حالت یکیه و فقط تفاوت توی نحوه تنظیم پارامترها هست. برای اینکه متوجه بشین حتما یک بار دیگه جلسه رگرسیون و تفاوت الگوریتم های ماشین لرنینگ رو مشاهد بفرمایید
th-cam.com/video/Vy_M2oZDdBU/w-d-xo.html
th-cam.com/video/Plvr2Mbus-8/w-d-xo.html
من نفهمیدم رابطه حسابی رو چطور میشه ترین کرد این که رابطه خطی نبود این وسط چه چیزی اپدیت شد من نفهمیدم
مجددا بخش توضیحات ویدیو رو تماشا کنین
نگاه کردم اما با پرسش من مرتبط نبود چیزی که شما ترین کردید یک رابطه حسابی بود نه یک معادله ی خطی . بعد بحث این که ما هر بار چک می کنیم که فاصله ی بین نتیجه ی ترین با جواب چقدره و این هی اپدیت میشه منتهی اینجا چه چیزی اپدیت شد و همنطور که گفتم نفهمیدم . بعد یه خواهش دیگه ی هم که داشت اینکه این ویدیوها عالیه ولی خیلی ها این موارد و مساِل رو توضیح دادند من به شدت نیاز دارم به اینکه عمیق تر این زمینه رو دنبال کنم بحث این نیست که من خیلی بارمه بحث این الان حتی نرم افزارهای وارد بازار شدن که به صورت پرست همه چی رو دارن از لایه های اماده و از مدلهای ترین شده و..با یه کلیک می تونی به مقصد برسی اما من این و نمی خوام من می خوام که خیلی عمیق تر به بهینه کردن حتی ساخت معماری های جدید فکر می کنم به اینکه دقیق بفهمی چه خبره چطور می تونیم چند وجهی کنیم کار رو @@TechWithHasanAbbasi