در این مطلب، ویدئو واردات شبکه های عصبی ساخته شده در Keras (Tensorflow) به متلب با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید. اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:09:02
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>01
در این ویدیو قصد دارم نحوه
2
01 =>04
وارد کردن حالت شبکه عصبی keras را
3
04 =>07
از یک tensorflow به matlab
4
07 =>09
نشان دهم که از طریق فرمت onx a امکان پذیر
5
09 =>11
است همانطور که در این تصویر می بینید
6
11 =>12
که می
7
12 =>15
توانیم از طریق یک روی x به tensorflow صادر کنیم
8
15 =>16
و وارد کنیم. بازگشت
9
16 =>21
به متلب من مدل ها را به پایتورچ می فرستم
10
21 =>23
یعنی فایترها واردات ندارند
11
23 =>24
اما صادرات دارند
12
24 =>28
ما می توانیم همین کار را برای کافه و سایر
13
28 =>31
جعبه ابزارهای شناختی مایکروسافت انجام دهیم
14
31 =>33
بسیار خوب، بنابراین می خواهم یک مثال بزنم
15
33 =>36
که در آن یک مدل وارد می کنیم. in from keras
16
36 =>38
که قرار است قالبی باشد که
17
38 =>39
18
39 =>43
ارقام را در تصاویر تشخیص می دهد و می بینیم که
19
43 =>45
20
45 =>47
در چند لایه که برای آموزش استفاده می شود سازگار نیست و آن لایه ها
21
47 =>49
را جایگزین می کنیم
22
49 =>51
و همچنین
23
51 =>53
اگر قرار داده شود. کلاسهای لایه
24
53 =>54
25
54 =>59
طبقهبندی، گزینههای مختلفی برای وارد کردن وجود دارد،
26
59 =>01:00
27
01:00 =>01:03
ما میتوانیم
28
01:04 =>01:06
لیستی از برخی از
29
01:06 =>01:07
توابع را در
30
01:07 =>01:10
اینجا برای وارد کردن شبکه keras مشاهده کنیم،
31
01:10 =>01:12
لایه keras را
32
01:12 =>01:13
وارد کنید. تفاوت
33
01:13 =>01:15
میان شما همان را دارید که
34
01:15 =>01:16
این یکی به شما یک شبکه
35
01:16 =>01:19
می دهد و به شما لایه ها می دهد
36
01:19 =>01:23
و همین کار را برای caffe یا nx
37
01:23 =>01:25
a on nx دارد که این کار
38
01:25 =>01:27
مخصوصاً
39
01:27 =>01:30
برای استفاده از
40
01:30 =>01:33
آموزش سفارشی مهم است اگر می خواهید از آموزش سفارشی استفاده
41
01:33 =>01:35
کنید باید بروید از طریق این یکی
42
01:35 =>01:38
a و من فکر می کنم که آنها جایی
43
01:38 =>01:39
در اطراف
44
01:39 =>01:42
یک پایتون هستند،
45
01:42 =>01:44
بنابراین منطق این است که تابعی را انتخاب کنید که
46
01:44 =>01:45
47
01:45 =>01:48
کدام تابع مطابق این نمودار جریان باشد،
48
01:48 =>01:49
49
01:49 =>01:52
برای مثال اگر شبکه ای
50
01:52 =>01:55
در keras یا pythor دارید که که در آن
51
01:55 =>01:58
همه لایهها در matlab پشتیبانی میشوند
52
01:58 =>02:01
و شما یک شبکه میخواهید، سپس میتوانید
53
02:01 =>02:04
از این شبکه import
54
02:04 =>02:05
onx استفاده کنید،
55
02:05 =>02:08
56
02:08 =>02:10
اگر مدل چندین خروجی دارد یا
57
02:10 =>02:12
برخی از لایهها از شما پشتیبانی نمیکنند، این سادهترین راه است که میتوانید شبکه را مستقیم
58
02:12 =>02:14
کنید. باید از لایه های
59
02:14 =>02:15
60
02:15 =>02:18
import نسخه یا لایه های nx استفاده کنید و
61
02:18 =>02:21,04