شبکه عصبی کانولوشن به زبان ساده

سلام. به این صفحه از آموزش هم‌رویش خوش آمدید! بسته آموزش شبکه عصبی کانولوشن به زبان ساده از پایه شامل 9 درس با مجموع زمان 2 ساعت است. این بسته به آموزش مفاهیم شبکه عصبی کانولوشن یا شبکه عصبی پیچشی از پایه می‌پردازد.

پیشنیاز الزامی

• شبکه عصبی مصنوعی از صفر به زبان ساده (+)

برای دیدن فیلم معرفی این بسته مذکور بر روی این لینک (+) و یا پخش کننده پایین کلیک کنید:

علم و عمل

بعد از مشاهده بسته آموزش «کانولوشن به زبان ساده» احتمالا مشتاق خواهید شد که خودتان شبکه کانولوشن بسازید. ما بسته آموزش کدنویسی کانولوشن (+) را به همین منظور تهیه کرده‌ایم.

شبکه عصبی کانولوشن چیست؟

شبکه‌ی عصبی کانولوشن یک نوع شبکه عصبی است که به منظور حل مسائل پردازش تصویر مورد استفاده قرار می‌گیرد. در بحث پردازش زبان طبیعی نیز می‌تواند مورد استفاده قرار گیرد.

این شبکه نقش مهمی در بحث یادگیری عمیق و هوش مصنوعی ایفا می‌کند. کلمه کانولوشن استفاده شده در این شبکه به پروسه فیلترینگ تصویر اشاره دارد که  تصاویر با ساختار پیچیده را ساده سازی می‌کنند و می‌تواند به بهتر پردازش و فهمیده شدن ساختار تصویر کمک کند.

این آموزش در یک نگاه:

آموزش شبکه‌ی عصبی کانولوشن از پایه شامل 9 درس نظری است.

در  ابتدا در اولین درس به مقدمه ای از شبکه‌ی عصبی کانولوشن، ساختار کلی شبکه و تفاوت شبکه‌ی عصبی کانولوشن از پرسپترون چندلایه پرداخته شده است.

سپس در درس دوم به مفهوم اپراتور کانولوشن پرداخته می‌شود. بعد از آن به لایه ی کانولوشن، مفهوم کرنل و فیلترینگ تصویر می‌پردازیم.

در ادامه درس‌های قبلی به مفهوم لایه‌ی تجمعی و نحوه‌ی کاهش سایز نقشه‌ی ویژگی استخراج شده از لایه‌ی کانولوشن می‌پردازیم. سپس در درس بعدی این مجموعه به مفهوم تابع فعالیت و ضرورت تعریف تابع فعالیت و معرفی انواع تابع فعالیت پرداخته شده است.

در درس ششم درباره مفهوم flattening و یا همان برداری سازی و تسطیح تنسورهای چند بعدی صحبت می‌کنیم.

در ادامه به لایه‌ی تمام متصل، نقش آن در شبکه‌ی عصبی کانولوشن و محاسبات آن می پردازیم.

درس هشتم در رابطه با جمع بندی کلی از تمامی مفاهیم شبکه عصبی کانولوشن، نحوه ی قرار گیری لایه ها در کنار هم، نمونه ای از معماری‌های شبکه‌ی عصبی کانولوشن است.

در نهایت درس نهم که درس آخر است، مجموعه تمام مفاهیم مطرح شده در درس 1 تا 8 را در قالب مثال عددی بیان و به درک بهتر مفاهیم کمک می‌کند.

این آموزش بی نظیر است زیرا:

• این آموزش مفهوم محور است.
• با زبان ساده بیان شده است.
• در زمان کوتاه تمام مفاهیم شبکه‌ی عصبی کانولوشن را درک خواهید کرد.

پیشنیاز اختیاری

• آموزش ساخت شبکه عصبی با پایتون (+)

برای دیدن فیلم معرفی این بسته بر روی این لینک (+) و یا پخش کننده پایین کلیک کنید:

درس اول و دوم از این دوره را رایگان ببینید:

درس اول: شبکه عصبی کانولوشن چیست؟ (+)

درس دوم: مفهوم کانولوشن چیست؟ (+)

کلیدواژگان

شبکه عصبی پیچشی | آموزش شبکه عصبی پیچشی | آموزش شبکه های عصبی پیچشی | شبکه عصبی کانولوشن به زبان ساده | فیلم شبکه عصبی کانولوشن | فیلم آموزشی شبکه عصبی کانولوشن

ریز محتوای فیلم‌ها

درس صفر: معرفی دوره

درس اول: مفدمه ای بر شبکه عصبی کانولوشن

• مقدمه ای بر شبکه ی عصبی کانولوشن
• ساختار کلی شبکه عصبی کانولوشن
• تفاوت شبکه عصبی کانولوشن و پرسپترون چندلایه
• اشاره ای به مفهوم الگو ( پترن) در شبکه ی عصبی کانولوشن

درس دوم: مفهوم کانولوشن

• معرفی اپراتور کانولوشن
• مفهوم stride
•  مفهوم padding
• نحوه ی اعمال اپراتور کانولوشن بر روی تصویر

درس سوم : لایه ی کانولوشن

• تعریف کرنل
• آشنایی با چندین فیلتر
• اعمال فیلتر بر روی تصویر تک بانده و چندبانده
• نمایش خروجی چندین فیلتر بر رو ی تصاویر

درس چهارم: مفهوم لایه ی تجمعی

• نحوه ی به کارگیری لایه ی تجمعی بر روی تصویر
• علت به کارگیری لایه ی تجمعی در شبکه ی عصبی کانولوشن
• مفهوم لایه ی تجمعی

درس پنجم: مفهوم تابع فعالیت

• مفهوم تابع فعالیت
• علت استفاده از تابع فعالیت در شبکه عصبی کانولوشن
• انواع تابع فعالیت

درس ششم: لایه ی flatten

• لایه ی flatten چیست
• چایگاه لایه ی flatten در شبکه عصبی کانولوشن کجاست
• چرا لایه ی flatten
• در شبکه عصبی کانولوشن استفاده می شود.

درس هفتم: مفهوم لایه ی تمام متصل

• منظور لایه ی تمام متصل چیست
• جایگاه و نقش لایه ی تمام متصل در شیکه ی عصبی کانولوشن کجاست

درس هشتم : شبکه عصبی کانولوشن

• مروری کامل بر اجزای تشکیل دهنده ی شبکه ی عصبی کانولوشن
• معماری شبکه عصبی کانولوشن و نحوه ی قرارگیری اجزا کنار یکدیگر
• معرفی نمونه هایی از معماری های شبکه های عصبی کانولوشن

درس نهم : تمرین محاسبات شبکه عصبی کانولوشن

• تمرین محاسباتی بر روی مفاهیم مختلف شبکه عصبی کانولوشن