به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

شما گفتید طراحی معماری خیلی سخته اما کلی معماری داریم مثل الکسنت.
من فکر میکردم بخواهم دیپ لرنینگ استفاده کنم باید اول هادوپ نصب کنم بعد فریم ورک تنسورفلو و بعد از تنسور فلو معماری الکس نت انتخاب کنم درسته؟بطور ساده فرق معماری با فریم ورک را نمیفهمم(فرق تنسورفلو با الکسنت)
چرا کانولوشنال باب شده و چی داره که بقیه ندارن؟
چه موقع اصلا میریم سراغ دیپ لرنینگ و چه موفع سودمند است تا جایی که میدونم وقتی که حجم داده زیاد باشه و این یعنی بیگ دیتا. خب این یعنی هادوپ را احتیاج داریم.
Autoencoder عمیق (deep autoencoder) توسط Hinton et al.(98) ارائه شد و هنوز بصورت گسترده در مقاله های اخیر مورد مطالعه قرار میگیرد (۹۹-۱۰۱)
ممنون

مربوط به این پاسخ: ارتباط بین اجزا دیپ لرنینگ
توسط (110 امتیاز)
ویرایش شده توسط

1 پاسخ

0 امتیاز

سلام
معماری الکس نت یعنی نوع خاصی از چیدمان لایه ها . مثلا چندتا لایه کانولوشن باید باشه هر لایه چه تعداد نورون باید داشته باشن هر لایه چه اندازه کرنلی باید داشته باشه و .... پس این میشه یک معماری و کاری که ما داریم میکنیم طراحی یک معماریه .
خب حالا نوبت به پیاده سازی که میرسه شما دو راه دارید یا خودتون بگید بسم الله و از صفر تمام الگوریتم های مختلف رو پیاده سازی کنید و بعد شروع به تست کنید . بعد میبینید که سرعتتون فوق العاده پایینه و باید بشدت بهینه کدها رو بنویسید و یکم بیشتر پیش میرید و میبینید یا شما به یه تعداد زیادی سرور گرون قیمت نیاز دارید یا کارت گرافیک! و باز میبینید که نه اولیه ممکنه و نه وقت و زمان برای دومی وجود داره . اینجاست که شما مثل بقیه محققا تمرکزتون رو معطوف میکنید به سمت تحقیقات و فاز پیاده سازی رو محول میکنید به متخصصای این کار .
تنسورفلو و فریم ورکها و کتابخونه های دیگه به شما اجازه میدن بدون درگیر شدن با مسائل پیاده سازی سطح پایین بتونید ایده های خودتون رو تو این حوزه با سرعت و بهره وری بسیار بالا پیاده سازی و تست و اجرا کنید.

در مورد اینکه چرا شبکه های عصبی کانولوشن باب شدن و چه وقت سودمند هستن بهتره مطالب سایت رو مطالعه کنید اونجا بنظرم به اندازه کافی توضیح داده شده . و باز اگر جایی بطور خاص مشکلی دارید اون مشکل خاص رو مطرح کنید
در مورد هادوپ هم شما اگه دیتای فوق العاده زیاد و سرورهای زیادی داشته باشید میرید سراغ هادوپ .
هادوپ به تنهایی ارزشی نداره خصوصا وقتی که شما server farm نداشته باشید اصل ایده اینه که ما مجموعه زیادی کامپیوتر یا منابع پردازشی داریم حالا قراره بصورت مناسب و بهینه از قدرت پردازشی همه استفاده کنیم .
در حالات معمولی معمولا ما از gpu یا در حالت گسترده ترش چندتا استفاده میکنیم که بسته به کار و قدرت شرکتها و دانشگاها کم و زیاد داره.
در مورد هادوپ این قضیه در مقیاس عظیم مطرح هست. مثلا اگه شما دولت باشی یا یه ارگان نظامی که محدودیت مالی برای پیشبرد اهداف نظامی یا surveillance و... نداره و سرورهای زیادی دارن+ دیتای خیلی زیاد اینجا میتونید از هادوپ استفاده کنید یا کلا هرچیزی که اجازه مدیریت منابع شما رو بشما بصورت بهینه میده. یا مثلا ایرانسل یا همراه اول و یا خیلی از شرکتهای بزرگی که فعالیت کاملا داده محور دارن و سرورهای خیلی زیادی دارن.

توسط (4.3k امتیاز)
...