محمد نوری زاده چرلو

تابع هزینه cross entropy و تفاوت آن با مربعات خطا

تابع هزینه cross entropy و تفاوت آن با مربعات خطا

تابع هزینه یک تابع ریاضیاتی است که عملکرد یک شبکه عصبی را در انجام یک تسک خاص اندازه گیری می‌کند. توابع هزینه نقش اساسی در یادگیری شبکه های عصبی دارند و به شبکه های عصبی کمک می‌کنند در راستای هدف…
شبکه عصبی پرسپترون چند لایه و مسائل غیرخطی

شبکه عصبی پرسپترون چند لایه و مسائل غیرخطی

شبکه عصبی پرسپترون چندلایه از سه نوع لایه ورودی، پنهان و خروجی تشکیل شده است. شبکه عصبی MLP از قانون یادگیری پس انتشار خطا برای تنظیم وزنهای سیناپسی خود استفاده می‌کند. از شبکه عصبی MLP میتوان در مسائل طبقه بندی،…
pattern mode, batch mode and mini-batch mode in training neural networks

حالت های ارائه داده آموزشی به شبکه های عصبی (pattern, mini-batch, batch-mode)

در آموزش شبکه های عصبی، داده های آموزش را میتوان به سه شکل pattern mode, batch-mode و mini-batch به شبکه عصبی ارائه داد. هرکدام از این حالتها مزایا و معایب خودشون را دارند. در این پست میخواهیم با هر سه…
پارامترهای ارزیابی در مسائل رگرسیون و طبقه بندی

پارامترهای ارزیابی در مسائل رگرسیون و طبقه بندی

در طراحی و تعیین پارامترهای یک مدل یادگیری ماشین، روشها و پارامترهای ارزیابی نقش بسیار مهمی دارند. چرا که به ما کمک می‌کنند دید درستی به مدل طراحی شده داشته باشیم و متوجه بشویم که مدل یادگیری ماشین underfit ،overfit…
گرادیان نزولی

 گرادیان نزولی و نقش آن در فرایند یادگیری شبکه های عصبی

گرادیان نزولی (gradient descent) یک الگوریتم بهینه سازی است که در شبکه های عصبی با کمک آن وزنهای سیناپسی تنظیم می شوند. به عبارتی با کمک گرادیان نزولی، شبکه های عصبی آموزش دیده و دانش لازم برای حل مئسله را…
شبکه عصبی و اهمیت مدل سازی مغز انسان

شبکه عصبی و اهمیت مدل سازی مغز انسان

شبکه عصبی یک روشی در هوش مصنوعی است که به کامپیوتر یاد میدهد تا داده ها را به روشی پردازش کند که از مغز انسان الهام گرفته شده است. ولی سوال اساسی این است که چرا میخواهیم مغز انسان را…
ساخت dataloader سفارشی برای داده با کمک DataLoader و Dataset پایتورچ

ساخت dataloader سفارشی با کمک DataLoader و Dataset پایتورچ

در پروژه های یادگیری ماشین، مخصوصا یادگیری عمیق، ما با حجم بسیار بالای داده (big data) روبرو هستیم. و هندل کردن چنین داده ای جهت آموزش یک شبکه عصبی میتواند بسیار سخت و پیچیده باشد. از طرفی کدهای مربوط به…
فرق سه متد جادویی __init__، __call__ و __getitem__ در برنامه نویسی شئی گرای پایتون

سه متد جادویی init ،call و getitem در برنامه نویسی شئی گرای پایتون

یکی از ویژگی های خیلی خوب برنامه نویسی شئی گرا، متدهای جادویی است. میشه گفت متدهای جادویی در برنامه نویسی شئی گرا همه چیز هستند و با تعریفشون به معنای واقعی جادو به کدهامون اضافه می‌کنیم. متدهای جادویی هر کدام…
نحوه خواندن انواع داده در پایتون

خواندن داده‌ با فرمتهای مختلف در پایتون

در هر پروژه‌ی یادگیری ماشین، در ابتدا لازم هست که داده را با کمک ابزاری خوانده و وارد محیط برنامه نویسی پایتون بکنیم. در پایتون کتابخانه های مختلفی هست که میتوانیم با کمکشون داده به فرمتهای مختلف را بخوانیم. در…
تفاوت تنسورهای PyTorch با آرایه های NumPy

تفاوت تنسورهای PyTorch با آرایه های NumPy

تنسورهای پایتورچ بسیار شبیه به آرایه های نامپای هستند. از آنها هم برای ذخیره و عملیات روی آرایه های عددی استفاده می‌شود. اما با این حال یک سری تفاوتهایی بین آرایه های نامپای و تنسورهای پایتورچ وجود دارد. در این…
نحوه نصب Pytorch

نحوه نصب Pytorch

همانطور که میدانیم پایتورچ یک کتابخانه قدرتمند پایتون است. کتابخانه PyTorch برای افزایش سرعت و انعطاف در پیاده‌‎سازی شبکه‌های عصبی عمیق طراحی شده است. در این پست نحوه نصب pytorch را توضیح میدهیم.
کتابخانه پایتورچ (PyTorch)

کتابخانه پایتورچ (PyTorch)

پایتورچ یک فریم ورک یادگیری ماشین مبتنی بر کتابخانه Torch است. یک کتابخانه قدرتمند پایتون برای کاربردهایی مثل بینایی ماشین و پردازش زبان طبیعی است که اولین بار توسط تیم هوش مصنوعی متا (فیسبوک) توسعه پیدا کرد و در سال…