PyTorch

لقد غيَّر تعلم العمق الطريقة التي نقترب بها من المشاكل المعقدة مثل التعرف على الصور ومعالجة اللغة الطبيعية، وحتى تحليل الصوت. في جوهر العديد من تطبيقات تعلم العمق هو PyTorch، إطار عمل قوي ومرن يسمح للمطورين والباحثين ببناء وتدريب الشبكات العصبية بكفاءة. إذا كنت تبحث عن تجربة عملية مع PyTorch وفهم بنية الجملة في التطبيقات الحقيقية، لدينا الدورة المثالية بالنسبة لك. لقد قمنا للتو بنشر دورة على قناة YouTube الخاصة بموقع freeCodeCamp.org ستعلمك كل شيء عن PyTorch وبنية الجملة الخاصة…

المقدمة في العلوم الdatascience وخاصة في معالجة اللغة الطبيعية، توحيد المعلومات هو وداعاً ودائماً موضوع يحمل الإعجاب الكبير. بينما يوجد طرق توحيد النصوص منذ وقت طويل، لكن السنوات الأخيرة شهدت تطورات كبيرة في المعالجة الطبيعية لللغة والتعلم العميق. وهناك تصدر كثير من المقالات المنشورة حول هذا الموضوع من قبل عوامل الإنترنت الكبيرة، مثل المقالة الأخيرة ChatGPT. بينما يجري عمل كبير حول هذا الموضوع البحثي، يوجد قليل جداً من المنشور المتعلق بتطبيقات التوحيد المودعة بالتعلم ال artificial. الصعوبة في تحليل المقولات…

مقدمة مرحبا يا قراءة، هذه من أشياء أخرى في سلسلة نشر نحن نقوم بها بـ PyTorch. هذا المقال يهدف للمستخدمين المتأهلين بPyTorch والذين يرغبون في تحرك إلى مستوى متوسط. بينما قمنا بتغطية كيفية تنفيذ مصنف بسيط في مقال سابق، في هذا المقال سنتحدث عن كيفية تنفيذ وظائف عميقة أكثر للتعلم العميق باستخدام PyTorch. بعض أهداف هذه المقالة هو منحك فهم. ما هو فرق الأقسام التي يمكن أن تكون مثل nn.Module، nn.Functional، nn.Parameter وأين يتم استخدام كل منها ولماذا كيفية تخصيص…

التبطين عملية أساسية في الشبكات العصبية التكرارية. على الرغم من عدم الإلزامية ، إلا أنها عملية تستخدم غالبًا في العديد من الهندسات المعمارية للشبكات العصبية التكرارية الحديثة. في هذه المقالة ، سنستكشف لماذا وكيف يتم القيام بها. آلية التكرار التكرار في سياق معالجة الصور / الرؤية الحاسوبية هو عملية يتم فيها “مسح” الصورة بواسطة عامل تصفية لمعالجتها بطريقة ما. لنتعمق قليلا في التفاصيل التقنية. بالنسبة للكمبيوتر ، الصورة مجرد مجموعة من أنواع الأعداد (أعداد صحيحة أو عشرية) ، وتسمى هذه…

مقدمة اكتسبت طرق تفسير النماذج أهمية متزايدة في السنوات الأخيرة نتيجة مباشرة لزيادة تعقيد النماذج والشفافية المرتبطة بها. فهم النموذج هو موضوع ساخن للدراسة ومجال محوري للتطبيقات العملية التي تستخدم تعلم الآلة في مختلف القطاعات. توفر Captum للأكاديميين والمطورين تقنيات متقدمة مثل التدرجات المتكاملة التي تجعل من السهل تحديد العناصر التي تساهم في نتيجة النموذج. يجعل Captum من السهل على الباحثين في تعلم الآلة استخدام نماذج PyTorch لبناء طرق التفسير. من خلال تسهيل تحديد العديد من العناصر التي تساهم في…

وسوف نستمر في سلسلتي حول بناء شبكات العقود التصويرية التي ثورت مجال بصريات الحاسوب خلال العقدين الماضيين، حيث سنبني في المرة القادمة شبكة VGG من الشبكات التصويرية العميقة من الصفر باستخدام PyTorch. يمكنك رؤية المقالات السابقة في السلسلة على ملفي الشخصي، بالأساس LeNet5 و AlexNet. كما قمنا من قبل، سننظر في هيكل الشبكة والمبادئ الخلفية ل VGG وكيف كانت النتائج في تلك الأثناء. سنبحث بعدها في قاعدة البيانات الخاصة بنا، CIFAR100، وسنحملها إلى برنامجنا باستخدام برنامج ذو كفاءة حافظية متوازية.…

مقدمة في هذه المقالة سنبني واحدة من أوائل الشبكات العصبية التي تم إدلاءها من قبل، (LeNet5). سنبني هذه الشبكة العصبية التي تقلص من الصفر في PyTorch، وسنرى أيضًا كيف تقوم بالأداء على مجموعة بيانات عالمية. سنبدأ باستكشاف هندسة LeNet5. سنقوم بتحميل وتحليل مجموعة بياناتنا، MNIST، باستخدام الفئة الموجودة في torchvision. باستخدام PyTorch، سنبني من جديد LeNet5 ون entrainer على معلوماتنا. وأخيرًا، سنرى كيف يقوم النموذج بالأداء على البيانات الاختبارية المعدنية. المقادمات سيساعد المعرفة بالشبكات العصبية في فهم هذا المقال. هذا…

مقدمة هذه المقالة توالد بالتوالي لسلسلة حول بناء أحدث الشبكات العصبية الكونولوزية المشهورة من الصفر في PyTorch. يمكنك رؤية المقالة السابقة هنا، حيث قمنا ببناء LeNet5. في هذه المقالة، سنبني على الأقل AlexNet، وهي أحد الأبتكارات الرئيسية الأكثر توجيهًا في الرؤية الحاسوبية. سنبدأ بالتحقيق وفهم الهياكل الهندسية لAlexNet. من ثم سنغوص مباشرة في الشيء بتحميل قاعدة البيانات الخاصة بنا، CIFAR-10، قبل تنظيم البيانات ببعض المراحل المنزلية. بعد ذلك، سنبني على الأقل AlexNet من الصفر باستخدام PyTorch ون entrainer في معلوماتنا…

مقدمة تتطلب النماذج العميقة من التعلم الأكثر قدرة على المعالجة ومتوسطات الذاكرة. وتم تحقيق تعلم الشبكات العميقة الأسرع من خلال تطوير تقنيات جديدة. بدلاً من FP32 (تنسيق الأعداد العشوائية بالمستوى الكامل), يمكنك استخدام FP16 (تنسيق الأعداد العشوائية بالمستوى النصف), ووجدت الباحثون أن إستخدامهما معًا هو خيار أفضل. يسمى إستخدام الدقة المختلفة المزدوج لأغلب التدريب عن هذه التقنية التي تستخدم كلاً من التمثيلات الواحدة والنصف الدقيقة. في هذه المرور عن تدريب الدقة المختلفة التلقائية (Amp) مع PyTorch, نبرز كيفية عمل هذه…