chore(i18n): sync translations with latest source changes (chunk 76/148, 100 files)
This commit is contained in:
localizeflow[bot]
parent
4550b861de
commit
e11d3a7e62
|
|
@ -58,7 +58,7 @@ Overtilpasning er et ekstremt viktig konsept innen maskinlæring, og det er veld
|
|||
|
||||
Tenk på følgende problem med å tilnærme 5 punkter (representert med `x` på grafene nedenfor):
|
||||
|
||||
 | 
|
||||
 | 
|
||||
-------------------------|--------------------------
|
||||
**Lineær modell, 2 parametere** | **Ikke-lineær modell, 7 parametere**
|
||||
Treningsfeil = 5.3 | Treningsfeil = 0
|
||||
|
|
@ -79,7 +79,7 @@ Det er veldig viktig å finne en riktig balanse mellom modellens kompleksitet (a
|
|||
|
||||
Som du kan se fra grafen ovenfor, kan overtilpasning oppdages ved en veldig lav treningsfeil og en høy valideringsfeil. Normalt under trening vil vi se både trenings- og valideringsfeil begynne å avta, og deretter på et tidspunkt kan valideringsfeilen slutte å avta og begynne å stige. Dette vil være et tegn på overtilpasning og en indikator på at vi sannsynligvis bør stoppe treningen på dette punktet (eller i det minste ta et øyeblikksbilde av modellen).
|
||||
|
||||
|
||||
|
||||
|
||||
## Hvordan forhindre overtilpasning
|
||||
|
||||
|
|
|
|||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# Introduksjon til nevrale nettverk
|
||||
|
||||
|
||||
|
||||
|
||||
Som vi diskuterte i introduksjonen, er en av måtene å oppnå intelligens på å trene en **datamodell** eller en **kunstig hjerne**. Siden midten av 1900-tallet har forskere prøvd ulike matematiske modeller, og i de senere år har denne retningen vist seg å være svært vellykket. Slike matematiske modeller av hjernen kalles **nevrale nettverk**.
|
||||
|
||||
|
|
@ -36,13 +36,13 @@ I dette pensumet vil vi kun fokusere på modeller for nevrale nettverk.
|
|||
|
||||
Fra biologien vet vi at hjernen vår består av nerveceller (nevroner), som hver har flere "innganger" (dendritter) og en enkelt "utgang" (akson). Både dendritter og aksoner kan lede elektriske signaler, og forbindelsene mellom dem — kjent som synapser — kan ha varierende grad av ledningsevne, som reguleres av nevrotransmittere.
|
||||
|
||||
 | 
|
||||
 | 
|
||||
----|----
|
||||
Ekte nevron *([Bilde](https://en.wikipedia.org/wiki/Synapse#/media/File:SynapseSchematic_lines.svg) fra Wikipedia)* | Kunstig nevron *(Bilde av forfatteren)*
|
||||
|
||||
Dermed inneholder den enkleste matematiske modellen av et nevron flere innganger X<sub>1</sub>, ..., X<sub>N</sub> og en utgang Y, samt en serie vekter W<sub>1</sub>, ..., W<sub>N</sub>. En utgang beregnes som:
|
||||
|
||||
<img src="../../../../translated_images/netout.1eb15eb76fd767313e067719f400cec4b0e5090239c3e997c29f6789d4c3c263.no.png" alt="Y = f\left(\sum_{i=1}^N X_iW_i\right)" width="131" height="53" align="center"/>
|
||||
<img src="../../../../translated_images/netout.1eb15eb76fd76731.no.png" alt="Y = f\left(\sum_{i=1}^N X_iW_i\right)" width="131" height="53" align="center"/>
|
||||
|
||||
der f er en ikke-lineær **aktiveringsfunksjon**.
|
||||
|
||||
|
|
|
|||
|
|
@ -73,14 +73,14 @@ I vår [OpenCV Notebook](OpenCV.ipynb) gir vi noen eksempler på når datamaskin
|
|||
|
||||
* **Forhåndsbehandling av et fotografi av en Braille-bok**. Vi fokuserer på hvordan vi kan bruke terskling, funksjonsdeteksjon, perspektivtransformasjon og NumPy-manipulasjoner for å separere individuelle Braille-symboler for videre klassifisering av et nevralt nettverk.
|
||||
|
||||
 |  | 
|
||||
 |  | 
|
||||
----|-----|-----
|
||||
|
||||
> Bilde fra [OpenCV.ipynb](OpenCV.ipynb)
|
||||
|
||||
* **Deteksjon av bevegelse i video ved hjelp av rammeforskjell**. Hvis kameraet er fast, bør rammer fra kamerafeeden være ganske like hverandre. Siden rammer er representert som arrays, vil vi ved å trekke fra disse arrayene for to påfølgende rammer få pikselforskjellen, som bør være lav for statiske rammer, og bli høyere når det er betydelig bevegelse i bildet.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [OpenCV.ipynb](OpenCV.ipynb)
|
||||
|
||||
|
|
@ -89,7 +89,7 @@ I vår [OpenCV Notebook](OpenCV.ipynb) gir vi noen eksempler på når datamaskin
|
|||
- **Tett optisk flyt** beregner vektorfeltet som viser hvor hver piksel beveger seg.
|
||||
- **Sparsom optisk flyt** er basert på å ta noen distinkte funksjoner i bildet (f.eks. kanter) og bygge deres bane fra ramme til ramme.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [OpenCV.ipynb](OpenCV.ipynb)
|
||||
|
||||
|
|
|
|||
|
|
@ -13,11 +13,11 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
VGG-16 er et nettverk som oppnådde 92,7 % nøyaktighet i ImageNet top-5 klassifisering i 2014. Det har følgende lagstruktur:
|
||||
|
||||
|
||||
|
||||
|
||||
Som du kan se, følger VGG en tradisjonell pyramidearkitektur, som er en sekvens av konvolusjons- og pooling-lag.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [Researchgate](https://www.researchgate.net/figure/Vgg16-model-structure-To-get-the-VGG-NIN-model-we-replace-the-2-nd-4-th-6-th-7-th_fig2_335194493)
|
||||
|
||||
|
|
|
|||
|
|
@ -262,7 +262,7 @@
|
|||
"\n",
|
||||
"Dermed vil en typisk CNN ha flere konvolusjonslag, med pooling-lag mellom dem for å redusere dimensjonene på bildet. Vi vil også øke antallet filtre, fordi når mønstrene blir mer avanserte, er det flere mulige interessante kombinasjoner vi må se etter.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"På grunn av reduserte romlige dimensjoner og økte funksjons-/filterdimensjoner, kalles denne arkitekturen også **pyramidearkitektur**.\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -360,7 +360,7 @@
|
|||
"\n",
|
||||
"Dermed vil en typisk CNN ha flere konvolusjonslag, med pooling-lag mellom dem for å redusere dimensjonene på bildet. Vi vil også øke antallet filtre, fordi når mønstrene blir mer avanserte, er det flere mulige interessante kombinasjoner vi må se etter.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"På grunn av reduserte romlige dimensjoner og økte funksjons-/filterdimensjoner, kalles denne arkitekturen også **pyramidearkitektur**.\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -17,7 +17,7 @@ I virkeligheten ønsker vi å kunne gjenkjenne objekter på et bilde uavhengig a
|
|||
|
||||
For å trekke ut mønstre, vil vi bruke begrepet **konvolusjonsfiltre**. Som du vet, er et bilde representert av en 2D-matrise, eller en 3D-tensor med fargedybde. Å bruke et filter betyr at vi tar en relativt liten **filterkjerne**-matrise, og for hver piksel i det originale bildet beregner vi det vektede gjennomsnittet med nabopunktene. Vi kan se på dette som et lite vindu som glir over hele bildet og jevner ut alle pikslene i henhold til vektene i filterkjernematrisen.
|
||||
|
||||
 | 
|
||||
 | 
|
||||
----|----
|
||||
|
||||
> Bilde av Dmitry Soshnikov
|
||||
|
|
@ -38,7 +38,7 @@ Måten CNN-er fungerer på er basert på følgende viktige ideer:
|
|||
* Vi kan designe nettverket slik at filtrene trenes automatisk
|
||||
* Vi kan bruke samme tilnærming for å finne mønstre i høyere nivå-funksjoner, ikke bare i det originale bildet. Dermed fungerer CNN-funksjonsekstraksjon på en hierarki av funksjoner, fra lavnivå pikselkombinasjoner til høyere nivå kombinasjoner av bildeelementer.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [en artikkel av Hislop-Lynch](https://www.semanticscholar.org/paper/Computer-vision-based-pedestrian-trajectory-Hislop-Lynch/26e6f74853fc9bbb7487b06dc2cf095d36c9021d), basert på [deres forskning](https://dl.acm.org/doi/abs/10.1145/1553374.1553453)
|
||||
|
||||
|
|
@ -55,9 +55,9 @@ De fleste CNN-er som brukes til bildebehandling følger en såkalt pyramidearkit
|
|||
|
||||
Som et eksempel, la oss se på arkitekturen til VGG-16, et nettverk som oppnådde 92,7 % nøyaktighet i ImageNet's topp-5 klassifisering i 2014:
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [Researchgate](https://www.researchgate.net/figure/Vgg16-model-structure-To-get-the-VGG-NIN-model-we-replace-the-2-nd-4-th-6-th-7-th_fig2_335194493)
|
||||
|
||||
|
|
|
|||
|
|
@ -21,7 +21,7 @@ Du må trene et konvolusjonsnevralt nettverk for å klassifisere forskjellige ra
|
|||
|
||||
Vi skal bruke [Oxford-IIIT Pet Dataset](https://www.robots.ox.ac.uk/~vgg/data/pets/), som inneholder bilder av 37 forskjellige raser av hunder og katter.
|
||||
|
||||
|
||||
|
||||
|
||||
For å laste ned datasettet, bruk denne kodebiten:
|
||||
|
||||
|
|
|
|||
|
|
@ -50,7 +50,7 @@
|
|||
"\n",
|
||||
"For å visualisere den ideelle katten, starter vi med et tilfeldig støybilde og bruker gradientnedstigning som optimaliseringsteknikk for å justere bildet slik at nettverket gjenkjenner en katt.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"Her er vårt startbilde:\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -29,7 +29,7 @@ Både Keras og PyTorch inneholder funksjoner for enkelt å laste inn forhåndstr
|
|||
|
||||
Her er eksempler på funksjoner som er trukket ut fra et bilde av en katt av VGG-16-nettverket:
|
||||
|
||||
|
||||
|
||||
|
||||
## Datasett: Katter vs. Hunder
|
||||
|
||||
|
|
@ -48,19 +48,19 @@ Et forhåndstrent nevralt nettverk inneholder ulike mønstre i sin *hjerne*, ink
|
|||
|
||||
En tilnærming vi kan bruke, er å starte med et tilfeldig bilde og deretter bruke **gradient descent-optimalisering** for å justere bildet slik at nettverket begynner å tro at det er en katt.
|
||||
|
||||
|
||||
|
||||
|
||||
Men hvis vi gjør dette, vil vi få noe som ligner veldig på tilfeldig støy. Dette er fordi *det finnes mange måter å få nettverket til å tro at inngangsbilde er en katt*, inkludert noen som ikke gir mening visuelt. Selv om disse bildene inneholder mange mønstre som er typiske for en katt, er det ingenting som begrenser dem til å være visuelt distinkte.
|
||||
|
||||
For å forbedre resultatet kan vi legge til et annet ledd i tapsfunksjonen, som kalles **variasjonstap**. Dette er en metrikk som viser hvor like nabopikslene i bildet er. Ved å minimere variasjonstap blir bildet jevnere og støy fjernes, noe som avslører mer visuelt tiltalende mønstre. Her er et eksempel på slike "ideelle" bilder, som klassifiseres som katt og som sebra med høy sannsynlighet:
|
||||
|
||||
 | 
|
||||
 | 
|
||||
-----|-----
|
||||
*Ideell Katt* | *Ideell Sebra*
|
||||
|
||||
En lignende tilnærming kan brukes til å utføre såkalte **adversarielle angrep** på et nevralt nettverk. Anta at vi ønsker å lure et nevralt nettverk og få en hund til å se ut som en katt. Hvis vi tar et bilde av en hund, som nettverket gjenkjenner som en hund, kan vi justere det litt ved hjelp av gradient descent-optimalisering, til nettverket begynner å klassifisere det som en katt:
|
||||
|
||||
 | 
|
||||
 | 
|
||||
-----|-----
|
||||
*Originalbilde av en hund* | *Bilde av en hund klassifisert som en katt*
|
||||
|
||||
|
|
|
|||
|
|
@ -21,7 +21,7 @@
|
|||
"\n",
|
||||
"Siden vi trener autoencoderen til å fange så mye informasjon som mulig fra det originale bildet for nøyaktig rekonstruksjon, prøver nettverket å finne den beste **innkapslingen** av inngangsbildene for å fange meningen.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"> Bilde fra [Keras-bloggen](https://blog.keras.io/building-autoencoders-in-keras.html)\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -19,7 +19,7 @@
|
|||
"\n",
|
||||
"Siden vi trener autoencoderen til å fange opp så mye informasjon som mulig fra det originale bildet for å oppnå nøyaktig rekonstruksjon, prøver nettverket å finne den beste **innkapslingen** av inngangsbilder for å fange meningen.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*Bilde fra [Keras-bloggen](https://blog.keras.io/building-autoencoders-in-keras.html)*\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -19,7 +19,7 @@ Vi kan imidlertid ønske å bruke rå (umerkede) data for å trene CNN-funksjons
|
|||
|
||||
Siden vi trener en autoencoder til å fange så mye informasjon som mulig fra det originale bildet for nøyaktig rekonstruksjon, prøver nettverket å finne den beste **embedding** av input-bilder for å fange meningen.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [Keras-blogg](https://blog.keras.io/building-autoencoders-in-keras.html)
|
||||
|
||||
|
|
|
|||
|
|
@ -13,7 +13,7 @@ Bildklassifiseringsmodellene vi har jobbet med så langt tar et bilde og gir et
|
|||
|
||||
## [Quiz før forelesning](https://ff-quizzes.netlify.app/en/ai/quiz/21)
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [YOLO v2 nettside](https://pjreddie.com/darknet/yolov2/)
|
||||
|
||||
|
|
@ -25,7 +25,7 @@ Anta at vi ønsket å finne en katt på et bilde. En veldig naiv tilnærming til
|
|||
2. Kjør bildklassifisering på hver flis.
|
||||
3. De flisene som gir tilstrekkelig høy aktivering kan anses å inneholde det aktuelle objektet.
|
||||
|
||||
|
||||
|
||||
|
||||
> *Bilde fra [Øvingsnotatbok](ObjectDetection-TF.ipynb)*
|
||||
|
||||
|
|
@ -42,7 +42,7 @@ Du kan komme over følgende datasett for denne oppgaven:
|
|||
* [PASCAL VOC](http://host.robots.ox.ac.uk/pascal/VOC/) – 20 klasser
|
||||
* [COCO](http://cocodataset.org/#home) – Common Objects in Context. 80 klasser, avgrensningsbokser og segmenteringsmasker
|
||||
|
||||
|
||||
|
||||
|
||||
## Objektgjenkjenningsmetrikker
|
||||
|
||||
|
|
@ -50,7 +50,7 @@ Du kan komme over følgende datasett for denne oppgaven:
|
|||
|
||||
Mens det er enkelt å måle hvor godt algoritmen presterer for bildklassifisering, må vi for objektgjenkjenning måle både korrektheten av klassen og presisjonen til den utledede plasseringen av avgrensningsboksen. For sistnevnte bruker vi den såkalte **Intersection over Union** (IoU), som måler hvor godt to bokser (eller to vilkårlige områder) overlapper.
|
||||
|
||||
|
||||
|
||||
|
||||
> *Figur 2 fra [dette utmerkede blogginnlegget om IoU](https://pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/)*
|
||||
|
||||
|
|
@ -98,11 +98,11 @@ Det finnes to brede klasser av algoritmer for objektgjenkjenning:
|
|||
|
||||
[R-CNN](http://islab.ulsan.ac.kr/files/announcement/513/rcnn_pami.pdf) bruker [Selective Search](http://www.huppelen.nl/publications/selectiveSearchDraft.pdf) for å generere en hierarkisk struktur av ROI-regioner, som deretter sendes gjennom CNN-funksjonsekstraktorer og SVM-klassifisatorer for å bestemme objektklassen, og lineær regresjon for å bestemme *avgrensningsboks*-koordinater. [Offisiell artikkel](https://arxiv.org/pdf/1506.01497v1.pdf)
|
||||
|
||||
|
||||
|
||||
|
||||
> *Bilde fra van de Sande et al. ICCV’11*
|
||||
|
||||
|
||||
|
||||
|
||||
> *Bilder fra [denne bloggen](https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e)*
|
||||
|
||||
|
|
@ -110,7 +110,7 @@ Det finnes to brede klasser av algoritmer for objektgjenkjenning:
|
|||
|
||||
Denne tilnærmingen ligner på R-CNN, men regioner defineres etter at konvolusjonslagene er blitt brukt.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [den offisielle artikkelen](https://www.cv-foundation.org/openaccess/content_iccv_2015/papers/Girshick_Fast_R-CNN_ICCV_2015_paper.pdf), [arXiv](https://arxiv.org/pdf/1504.08083.pdf), 2015
|
||||
|
||||
|
|
@ -118,7 +118,7 @@ Denne tilnærmingen ligner på R-CNN, men regioner defineres etter at konvolusjo
|
|||
|
||||
Hovedideen med denne tilnærmingen er å bruke et nevralt nettverk til å forutsi ROI-er – såkalte *Region Proposal Network*. [Artikkel](https://arxiv.org/pdf/1506.01497.pdf), 2016
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [den offisielle artikkelen](https://arxiv.org/pdf/1506.01497.pdf)
|
||||
|
||||
|
|
@ -130,7 +130,7 @@ Denne algoritmen er enda raskere enn Faster R-CNN. Hovedideen er følgende:
|
|||
2. Funksjonene behandles av **Position-Sensitive Score Map**. Hvert objekt fra $C$ klasser deles inn i $k\times k$ regioner, og vi trener på å forutsi deler av objekter.
|
||||
3. For hver del fra $k\times k$ regioner stemmer alle nettverkene på objektklasser, og objektklassen med flest stemmer blir valgt.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [offisiell artikkel](https://arxiv.org/abs/1605.06409)
|
||||
|
||||
|
|
@ -141,7 +141,7 @@ YOLO er en sanntids én-pass-algoritme. Hovedideen er følgende:
|
|||
* Bildet deles inn i $S\times S$ regioner.
|
||||
* For hver region forutsier **CNN** $n$ mulige objekter, *avgrensningsboks*-koordinater og *confidence*=*sannsynlighet* * IoU.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [offisiell artikkel](https://arxiv.org/abs/1506.02640)
|
||||
|
||||
|
|
|
|||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# Datamaskinsyn
|
||||
|
||||
|
||||
|
||||
|
||||
I denne delen skal vi lære om:
|
||||
|
||||
|
|
|
|||
|
|
@ -197,7 +197,7 @@
|
|||
"\n",
|
||||
"**Bag of Words** (BoW) vektorrepresentasjon er den mest brukte tradisjonelle vektorrepresentasjonen. Hvert ord er knyttet til en vektorindeks, og hvert element i vektoren inneholder antall forekomster av et ord i et gitt dokument.\n",
|
||||
"\n",
|
||||
" \n",
|
||||
" \n",
|
||||
"\n",
|
||||
"> **Merk**: Du kan også tenke på BoW som en sum av alle én-hot-kodede vektorer for de individuelle ordene i teksten.\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -188,7 +188,7 @@
|
|||
"\n",
|
||||
"**Bag-of-words** (BoW) vektorrepresentasjon er den enkleste tradisjonelle vektorrepresentasjonen å forstå. Hvert ord er knyttet til en vektorindeks, og et vektorelement inneholder antall forekomster av hvert ord i et gitt dokument.\n",
|
||||
"\n",
|
||||
" \n",
|
||||
" \n",
|
||||
"\n",
|
||||
"> **Note**: Du kan også tenke på BoW som en sum av alle én-hot-kodede vektorer for individuelle ord i teksten.\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -62,7 +62,7 @@
|
|||
"\n",
|
||||
"Ved å bruke embedding-laget som det første laget i vårt nettverk, kan vi gå fra bag-of-words til **embedding bag**-modellen, hvor vi først konverterer hvert ord i teksten vår til tilsvarende embedding, og deretter beregner en aggregatfunksjon over alle disse embeddingene, som for eksempel `sum`, `average` eller `max`. \n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"Vårt klassifiserings-nevrale nettverk vil starte med embedding-lag, deretter et aggregasjonslag, og en lineær klassifiserer på toppen av det:\n"
|
||||
]
|
||||
|
|
@ -176,7 +176,7 @@
|
|||
"\n",
|
||||
"I den tidligere arkitekturen måtte vi fylle alle sekvenser til samme lengde for å passe dem inn i en minibatch. Dette er ikke den mest effektive måten å representere sekvenser med variabel lengde på - en annen tilnærming ville være å bruke en **offset**-vektor, som holder offsetene til alle sekvenser lagret i én stor vektor.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"> **Note**: På bildet ovenfor viser vi en sekvens av tegn, men i vårt eksempel jobber vi med sekvenser av ord. Prinsippet for å representere sekvenser med en offset-vektor forblir imidlertid det samme.\n",
|
||||
"\n",
|
||||
|
|
@ -311,7 +311,7 @@
|
|||
"\n",
|
||||
"CBoW er raskere, mens skip-gram er tregere, men gjør en bedre jobb med å representere sjeldne ord.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"For å eksperimentere med word2vec-embedding forhåndstrent på Google News-datasettet, kan vi bruke **gensim**-biblioteket. Nedenfor finner vi ordene som ligner mest på 'neural'\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -37,7 +37,7 @@
|
|||
"\n",
|
||||
"Ved å bruke et embedding-lag som det første laget i nettverket vårt, kan vi gå fra bag-of-words til en **embedding bag**-modell, der vi først konverterer hvert ord i teksten vår til den tilsvarende embedding, og deretter beregner en aggregasjonsfunksjon over alle disse embeddingene, som for eksempel `sum`, `average` eller `max`. \n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"Vårt klassifiserings-nevrale nettverk består av følgende lag:\n",
|
||||
"\n",
|
||||
|
|
@ -281,7 +281,7 @@
|
|||
"\n",
|
||||
"CBoW er raskere, mens skip-gram er tregere, men det gjør en bedre jobb med å representere sjeldne ord.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"For å eksperimentere med Word2Vec-embedding forhåndstrent på Google News-datasettet, kan vi bruke **gensim**-biblioteket. Nedenfor finner vi ordene som ligner mest på 'neural'.\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -19,7 +19,7 @@ Så, innebyggingslaget vil ta et ord som input og produsere en output-vektor med
|
|||
|
||||
Ved å bruke et innebyggingslag som første lag i vårt klassifikatornettverk, kan vi bytte fra en bag-of-words til **embedding bag**-modell, hvor vi først konverterer hvert ord i teksten vår til tilsvarende innebygging, og deretter beregner en aggregatfunksjon over alle disse innebyggingene, som `sum`, `average` eller `max`.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde av forfatteren
|
||||
|
||||
|
|
@ -40,7 +40,7 @@ For å oppnå dette må vi forhåndstrene innebyggingsmodellen vår på en stor
|
|||
|
||||
CBoW er raskere, mens skip-gram er tregere, men gjør en bedre jobb med å representere sjeldne ord.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [denne artikkelen](https://arxiv.org/pdf/1301.3781.pdf)
|
||||
|
||||
|
|
|
|||
|
|
@ -23,7 +23,7 @@ I våre tidligere eksempler brukte vi forhåndstrente semantiske embeddinger, me
|
|||
* **Continuous Bag-of-Words** (CBoW), der vi forutsier det midterste tokenet $W_0$ i en sekvens av token $W_{-N}$, ..., $W_N$.
|
||||
* **Skip-gram**, der vi forutsier et sett av nabotoken {$W_{-N},\dots, W_{-1}, W_1,\dots, W_N$} fra det midterste tokenet $W_0$.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [denne artikkelen](https://arxiv.org/pdf/1301.3781.pdf)
|
||||
|
||||
|
|
|
|||
|
|
@ -15,7 +15,7 @@ I tidligere seksjoner har vi brukt rike semantiske representasjoner av tekst og
|
|||
|
||||
For å fange betydningen av tekstsekvenser, må vi bruke en annen nevralt nettverksarkitektur, som kalles et **rekurrent nevralt nettverk**, eller RNN. I RNN sender vi setningen vår gjennom nettverket én symbol om gangen, og nettverket produserer en **tilstand**, som vi deretter sender tilbake til nettverket sammen med neste symbol.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde av forfatteren
|
||||
|
||||
|
|
@ -61,7 +61,7 @@ Vi har diskutert rekurrente nettverk som opererer i én retning, fra begynnelsen
|
|||
|
||||
Et rekurrent nettverk, enten én-retning eller bidireksjonalt, fanger visse mønstre innen en sekvens og kan lagre dem i en tilstandsvektor eller sende dem til output. Som med konvolusjonsnettverk, kan vi bygge et annet rekurrent lag oppå det første for å fange høyere nivå mønstre og bygge fra lavnivå mønstre som er hentet ut av det første laget. Dette leder oss til begrepet **flerlags RNN**, som består av to eller flere rekurrente nettverk, der output fra det forrige laget sendes til neste lag som input.
|
||||
|
||||
|
||||
|
||||
|
||||
*Bilde fra [denne fantastiske posten](https://towardsdatascience.com/from-a-lstm-cell-to-a-multilayer-lstm-network-with-pytorch-2899eb5696f3) av Fernando López*
|
||||
|
||||
|
|
|
|||
|
|
@ -420,7 +420,7 @@
|
|||
"\n",
|
||||
"Et rekurrent nettverk, enten det er énveis eller toveis, fanger visse mønstre innen en sekvens og kan lagre dem i tilstandsvektoren eller sende dem til utgangen. Som med konvolusjonsnettverk kan vi bygge et annet rekurrent lag oppå det første for å fange mønstre på høyere nivå, bygget fra lavnivåmønstre som det første laget har hentet ut. Dette leder oss til begrepet **flerlags RNN**, som består av to eller flere rekurrente nettverk, der utgangen fra det forrige laget sendes til det neste laget som inngang.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*Bilde fra [denne fantastiske artikkelen](https://towardsdatascience.com/from-a-lstm-cell-to-a-multilayer-lstm-network-with-pytorch-2899eb5696f3) av Fernando López*\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -10,7 +10,7 @@
|
|||
"\n",
|
||||
"For å fange meningen av en tekstsekvens, vil vi bruke en nevralt nettverksarkitektur kalt **rekurrente nevrale nettverk**, eller RNN. Når vi bruker en RNN, sender vi setningen vår gjennom nettverket én token om gangen, og nettverket produserer en **tilstand**, som vi deretter sender tilbake til nettverket sammen med neste token.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"Gitt en inngangssekvens av tokenene $X_0,\\dots,X_n$, lager RNN-en en sekvens av nevrale nettverksblokker og trener denne sekvensen ende-til-ende ved hjelp av backpropagation. Hver nettverksblokk tar et par $(X_i,S_i)$ som input og produserer $S_{i+1}$ som resultat. Den endelige tilstanden $S_n$ eller utgangen $Y_n$ går inn i en lineær klassifiserer for å produsere resultatet. Alle nettverksblokker deler de samme vektene og trenes ende-til-ende med én backpropagation-passering.\n",
|
||||
"\n",
|
||||
|
|
@ -369,7 +369,7 @@
|
|||
"\n",
|
||||
"Rekurrente nettverk, enten de er enveis eller toveis, fanger opp mønstre innen en sekvens og lagrer dem i tilstandsvektorer eller returnerer dem som output. Akkurat som med konvolusjonsnettverk, kan vi bygge et annet rekurrent lag etter det første for å fange opp mønstre på et høyere nivå, bygget fra mønstre på lavere nivå som det første laget har hentet ut. Dette leder oss til begrepet **flerlags RNN**, som består av to eller flere rekurrente nettverk, der output fra det forrige laget sendes videre til det neste laget som input.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*Bilde fra [denne fantastiske artikkelen](https://towardsdatascience.com/from-a-lstm-cell-to-a-multilayer-lstm-network-with-pytorch-2899eb5696f3) av Fernando López.*\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -119,7 +119,7 @@
|
|||
"\n",
|
||||
"Måten vi skal trene en RNN til å generere tekst på, er som følger. For hvert steg tar vi en sekvens av tegn med lengde `nchars`, og ber nettverket generere neste utgangstegn for hvert inngangstegn:\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"Avhengig av det faktiske scenariet, kan vi også ønske å inkludere noen spesialtegn, som *slutt-på-sekvens* `<eos>`. I vårt tilfelle ønsker vi bare å trene nettverket for uendelig tekstgenerering, så vi vil fastsette størrelsen på hver sekvens til å være lik `nchars` tokens. Følgelig vil hvert treningseksempel bestå av `nchars` innganger og `nchars` utganger (som er inngangssekvensen forskjøvet én symbol til venstre). Minibatcher vil bestå av flere slike sekvenser.\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -111,7 +111,7 @@
|
|||
"\n",
|
||||
"Måten vi skal trene RNN til å generere nyhetstitler på er som følger. For hvert steg tar vi én tittel, som mates inn i en RNN, og for hvert inndata-tegn ber vi nettverket om å generere neste utdata-tegn:\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"For det siste tegnet i sekvensen vår ber vi nettverket om å generere `<eos>`-token.\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -19,7 +19,7 @@ I RNN-arkitekturen vi diskuterte i forrige enhet, produserte hver RNN-enhet den
|
|||
|
||||
Dette åpner for ulike nevrale arkitekturer som vist i bildet nedenfor:
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra blogginnlegget [Unreasonable Effectiveness of Recurrent Neural Networks](http://karpathy.github.io/2015/05/21/rnn-effectiveness/) av [Andrej Karpaty](http://karpathy.github.io/)
|
||||
|
||||
|
|
@ -32,7 +32,7 @@ I denne enheten vil vi fokusere på enkle generative modeller som hjelper oss me
|
|||
|
||||
Vi vil trene denne RNN-en til å generere tekst steg for steg. På hvert steg tar vi en sekvens av tegn med lengde `nchars` og ber nettverket generere neste output-tegn for hvert input-tegn:
|
||||
|
||||
|
||||
|
||||
|
||||
Når vi genererer tekst (under inferens), starter vi med en **prompt**, som sendes gjennom RNN-celler for å generere dens mellomliggende tilstand, og deretter starter genereringen fra denne tilstanden. Vi genererer ett tegn om gangen og sender tilstanden og det genererte tegnet til en annen RNN-celle for å generere det neste, helt til vi har generert nok tegn.
|
||||
|
||||
|
|
|
|||
|
|
@ -20,13 +20,13 @@ Med RNN-er implementeres sekvens-til-sekvens med to rekurrente nettverk, hvor et
|
|||
|
||||
**Oppmerksomhetsmekanismer** gir en måte å vekte den kontekstuelle innvirkningen av hver inngangsvektor på hver utgangsprediksjon av RNN. Dette implementeres ved å lage snarveier mellom mellomliggende tilstander i inngangs-RNN og utgangs-RNN. På denne måten, når vi genererer utgangssymbolet y<sub>t</sub>, tar vi hensyn til alle skjulte inngangstilstander h<sub>i</sub>, med forskjellige vektkoeffisienter α<sub>t,i</sub>.
|
||||
|
||||
|
||||
|
||||
|
||||
> Enkoder-dekoder-modellen med additiv oppmerksomhetsmekanisme i [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf), sitert fra [denne bloggposten](https://lilianweng.github.io/lil-log/2018/06/24/attention-attention.html)
|
||||
|
||||
Oppmerksomhetsmatrisen {α<sub>i,j</sub>} representerer graden av innflytelse visse inngangsord har på genereringen av et gitt ord i utgangssekvensen. Nedenfor er et eksempel på en slik matrise:
|
||||
|
||||
|
||||
|
||||
|
||||
> Figur fra [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf) (Fig.3)
|
||||
|
||||
|
|
@ -66,7 +66,7 @@ Resultatet vi får med posisjonsembedding inkluderer både det originale tokenet
|
|||
|
||||
Deretter må vi fange noen mønstre i vår sekvens. For å gjøre dette bruker transformere en **selvoppmerksomhetsmekanisme**, som i hovedsak er oppmerksomhet anvendt på samme sekvens som inngang og utgang. Å bruke selvoppmerksomhet lar oss ta hensyn til **kontekst** i setningen og se hvilke ord som er relaterte. For eksempel lar det oss se hvilke ord som refereres til av korreferanser, som *det*, og også ta konteksten i betraktning:
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde fra [Google Blog](https://research.googleblog.com/2017/08/transformer-novel-neural-network.html)
|
||||
|
||||
|
|
@ -91,7 +91,7 @@ Siden hver inngangsposisjon kartlegges uavhengig til hver utgangsposisjon, kan t
|
|||
|
||||
**BERT** (Bidirectional Encoder Representations from Transformers) er et veldig stort flerlags transformernettverk med 12 lag for *BERT-base*, og 24 for *BERT-large*. Modellen er først forhåndstrent på en stor tekstkorpus (Wikipedia + bøker) ved hjelp av usupervisert trening (predikere maskerte ord i en setning). Under forhåndstreningen absorberer modellen betydelige nivåer av språkforståelse som deretter kan utnyttes med andre datasett ved hjelp av finjustering. Denne prosessen kalles **transfer learning**.
|
||||
|
||||
|
||||
|
||||
|
||||
> Bilde [kilde](http://jalammar.github.io/illustrated-bert/)
|
||||
|
||||
|
|
|
|||
|
|
@ -12,12 +12,12 @@
|
|||
"\n",
|
||||
"**Oppmerksomhetsmekanismer** gir en måte å vekte den kontekstuelle innvirkningen av hver inngangsvektor på hver utgangsprediksjon av RNN. Dette implementeres ved å lage snarveier mellom mellomliggende tilstander i inngangs-RNN og utgangs-RNN. På denne måten, når vi genererer utgangssymbolet $y_t$, tar vi hensyn til alle skjulte inngangstilstander $h_i$, med forskjellige vektkoeffisienter $\\alpha_{t,i}$.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*Encoder-decoder-modellen med additiv oppmerksomhetsmekanisme i [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf), sitert fra [denne bloggposten](https://lilianweng.github.io/lil-log/2018/06/24/attention-attention.html)*\n",
|
||||
"\n",
|
||||
"Oppmerksomhetsmatrisen $\\{\\alpha_{i,j}\\}$ representerer graden til hvilken visse inngangsord spiller en rolle i genereringen av et gitt ord i utgangssekvensen. Nedenfor er et eksempel på en slik matrise:\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*Figur hentet fra [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf) (Fig.3)*\n",
|
||||
"\n",
|
||||
|
|
@ -35,7 +35,7 @@
|
|||
"\n",
|
||||
"**BERT** (Bidirectional Encoder Representations from Transformers) er et svært stort flerlags transformatornettverk med 12 lag for *BERT-base* og 24 for *BERT-large*. Modellen blir først forhåndstrent på en stor tekstkorpus (Wikipedia + bøker) ved hjelp av usupervisert trening (predikere maskerte ord i en setning). Under forhåndstreningen absorberer modellen et betydelig nivå av språkforståelse som deretter kan utnyttes med andre datasett ved hjelp av finjustering. Denne prosessen kalles **overføringslæring**.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"Det finnes mange varianter av transformator-arkitekturer, inkludert BERT, DistilBERT, BigBird, OpenGPT3 og flere, som kan finjusteres. [HuggingFace-pakken](https://github.com/huggingface/) gir et bibliotek for å trene mange av disse arkitekturene med PyTorch.\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -12,12 +12,12 @@
|
|||
"\n",
|
||||
"**Oppmerksomhetsmekanismer** gir en måte å vekte den kontekstuelle påvirkningen av hver inngangsvektor på hver utgangsprediksjon i RNN. Dette implementeres ved å lage snarveier mellom mellomliggende tilstander i inngangs-RNN og utgangs-RNN. På denne måten, når vi genererer utgangssymbolet $y_t$, tar vi hensyn til alle skjulte inngangstilstander $h_i$, med forskjellige vektkoeffisienter $\\alpha_{t,i}$. \n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*Encoder-decoder-modellen med additiv oppmerksomhetsmekanisme i [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf), sitert fra [denne bloggposten](https://lilianweng.github.io/lil-log/2018/06/24/attention-attention.html)*\n",
|
||||
"\n",
|
||||
"Oppmerksomhetsmatrisen $\\{\\alpha_{i,j}\\}$ representerer graden til hvilken visse inngangsord spiller en rolle i genereringen av et gitt ord i utgangssekvensen. Nedenfor er et eksempel på en slik matrise:\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*Figur hentet fra [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf) (Fig.3)*\n",
|
||||
"\n",
|
||||
|
|
@ -225,7 +225,7 @@
|
|||
"\n",
|
||||
"**BERT** (Bidirectional Encoder Representations from Transformers) er et svært stort flerlags transformatornettverk med 12 lag for *BERT-base* og 24 for *BERT-large*. Modellen blir først forhåndstrent på en stor mengde tekstdata (Wikipedia + bøker) ved hjelp av usupervisert trening (forutsi maskerte ord i en setning). Under forhåndstreningen absorberer modellen et betydelig nivå av språkforståelse som deretter kan utnyttes med andre datasett ved hjelp av finjustering. Denne prosessen kalles **transfer learning**.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"Det finnes mange varianter av transformatorarkitekturer, inkludert BERT, DistilBERT, BigBird, OpenGPT3 og flere, som kan finjusteres.\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -57,7 +57,7 @@ barn | O
|
|||
|
||||
Siden vi må bygge en én-til-én korrespondanse mellom tokens og klasser, kan vi trene en høyreorientert **mange-til-mange** nevralt nettverksmodell fra dette bildet:
|
||||
|
||||
|
||||
|
||||
|
||||
> *Bilde fra [denne bloggposten](http://karpathy.github.io/2015/05/21/rnn-effectiveness/) av [Andrej Karpathy](http://karpathy.github.io/). NER-tokenklassifiseringsmodeller tilsvarer nettverksarkitekturen lengst til høyre på dette bildet.*
|
||||
|
||||
|
|
|
|||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# Naturlig Språkbehandling
|
||||
|
||||
|
||||
|
||||
|
||||
I denne delen vil vi fokusere på å bruke nevrale nettverk for å håndtere oppgaver relatert til **Naturlig Språkbehandling (NLP)**. Det finnes mange NLP-problemer vi ønsker at datamaskiner skal kunne løse:
|
||||
|
||||
|
|
|
|||
|
|
@ -70,7 +70,7 @@ Du kan åpne en av modellene, for eksempel **Biology → Flocking**.
|
|||
|
||||
Etter å ha åpnet modellen, kommer du til hovedskjermen i NetLogo. Her er et eksempel på en modell som beskriver populasjonen av ulver og sauer, gitt begrensede ressurser (gress).
|
||||
|
||||
|
||||
|
||||
|
||||
> Skjermbilde av Dmitry Soshnikov
|
||||
|
||||
|
|
|
|||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# Oversikt
|
||||
|
||||
|
||||
|
||||
|
||||
> Skisse laget av [Tomomi Imura](https://twitter.com/girlie_mac)
|
||||
|
||||
|
|
|
|||
|
|
@ -15,7 +15,7 @@ Etter suksessen med transformer-modeller for å løse NLP-oppgaver, har de samme
|
|||
|
||||
Hovedideen med CLIP er å kunne sammenligne tekstbeskrivelser med et bilde og avgjøre hvor godt bildet samsvarer med beskrivelsen.
|
||||
|
||||
|
||||
|
||||
|
||||
> *Bilde fra [denne bloggposten](https://openai.com/blog/clip/)*
|
||||
|
||||
|
|
@ -29,7 +29,7 @@ Når denne modellen er forhåndstrent, kan vi gi den en batch med bilder og en b
|
|||
|
||||
Anta at vi må klassifisere bilder mellom for eksempel katter, hunder og mennesker. I dette tilfellet kan vi gi modellen et bilde og en serie tekstbeskrivelser: "*et bilde av en katt*", "*et bilde av en hund*", "*et bilde av et menneske*". I den resulterende vektoren med 3 sannsynligheter trenger vi bare å velge indeksen med høyest verdi.
|
||||
|
||||
|
||||
|
||||
|
||||
> *Bilde fra [denne bloggposten](https://openai.com/blog/clip/)*
|
||||
|
||||
|
|
@ -53,13 +53,13 @@ Lær mer om VQGAN på [Taming Transformers](https://compvis.github.io/taming-tra
|
|||
|
||||
En av de viktige forskjellene mellom VQGAN og tradisjonelle GAN er at sistnevnte kan produsere et anstendig bilde fra hvilken som helst inputvektor, mens VQGAN sannsynligvis vil produsere et bilde som ikke er sammenhengende. Derfor må vi videre veilede bildeopprettingsprosessen, og det kan gjøres ved hjelp av CLIP.
|
||||
|
||||
|
||||
|
||||
|
||||
For å generere et bilde som samsvarer med en tekstbeskrivelse, starter vi med en tilfeldig kodingsvektor som sendes gjennom VQGAN for å produsere et bilde. Deretter brukes CLIP til å produsere en tapfunksjon som viser hvor godt bildet samsvarer med tekstbeskrivelsen. Målet er da å minimere dette tapet, ved hjelp av backpropagation for å justere inputvektorens parametere.
|
||||
|
||||
Et flott bibliotek som implementerer VQGAN+CLIP er [Pixray](http://github.com/pixray/pixray).
|
||||
|
||||
 |  | 
|
||||
 |  | 
|
||||
----|----|----
|
||||
Bilde generert fra beskrivelsen *et nærbilde akvarellportrett av ung mannlig lærer i litteratur med en bok* | Bilde generert fra beskrivelsen *et nærbilde oljemaleriportrett av ung kvinnelig lærer i informatikk med en datamaskin* | Bilde generert fra beskrivelsen *et nærbilde oljemaleriportrett av eldre mannlig lærer i matematikk foran en tavle*
|
||||
|
||||
|
|
|
|||
|
|
@ -1,134 +1,134 @@
|
|||
<!--
|
||||
CO_OP_TRANSLATOR_METADATA:
|
||||
{
|
||||
"original_hash": "4ed9993bca581850c983c95d5a3f57eb",
|
||||
"translation_date": "2025-12-24T23:38:09+00:00",
|
||||
"original_hash": "14816e97d79b296c87811724f7785923",
|
||||
"translation_date": "2026-01-01T11:12:40+00:00",
|
||||
"source_file": "README.md",
|
||||
"language_code": "pa"
|
||||
}
|
||||
-->
|
||||
[](https://github.com/microsoft/AI-For-Beginners/blob/main/LICENSE)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/issues/)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/pulls/)
|
||||
[](http://makeapullrequest.com)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/pulls/)
|
||||
[](http://makeapullrequest.com)
|
||||
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/watchers/)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/network/)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/stargazers/)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/watchers/)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/network/)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/stargazers/)
|
||||
[](https://mybinder.org/v2/gh/microsoft/ai-for-beginners/HEAD)
|
||||
[](https://gitter.im/Microsoft/ai-for-beginners?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge)
|
||||
|
||||
[](https://discord.gg/nTYy5BXMWG)
|
||||
|
||||
# ਸ਼ੁਰੂਆਤੀਆਂ ਲਈ ਕ੍ਰਿਤ੍ਰਿਮ ਬੁੱਧੀ - ਇੱਕ ਪਾਠਕ੍ਰਮ
|
||||
# ਸ਼ੁਰੂਆਤੀਆਂ ਲਈ ਆਰਟੀਫੀਸ਼ਲ ਇੰਟੈਲੀਜੈਂਸ - ਇੱਕ ਪਾਠਕ੍ਰਮ
|
||||
|
||||
||
|
||||
||
|
||||
|:---:|
|
||||
| AI For Beginners - _ਸਕੇਟਚਨੋਟ [@girlie_mac](https://twitter.com/girlie_mac)_ |
|
||||
| ਸ਼ੁਰੂਆਤੀਆਂ ਲਈ ਆਰਟੀਫੀਸ਼ਲ ਇੰਟੈਲੀਜੈਂਸ - _ਸਕੇਚਨੋਟ ਦੁਆਰਾ [@girlie_mac](https://twitter.com/girlie_mac)_ |
|
||||
|
||||
ਸਾਡੇ 12-ਹਫਤਿਆਂ, 24-ਪਾਠਾਂ ਦੇ ਪਾਠਕ੍ਰਮ ਨਾਲ **ਕ੍ਰਿਤ੍ਰਿਮ ਬੁੱਧੀ** (AI) ਦੀ ਦੁਨੀਆ ਦੀ ਖੋਜ ਕਰੋ! ਇਹ ਵਿੱਚ ਪ੍ਰਯੋਗਿਕ ਪਾਠ, ਕੁਇਜ਼ ਅਤੇ ਲੈਬ ਸ਼ਾਮਲ ਹਨ। ਪਾਠਕ੍ਰਮ ਸ਼ੁਰੂਆਤੀ-ਮਿਤ੍ਰ ਹੈ ਅਤੇ ਇਹ TensorFlow ਅਤੇ PyTorch ਵਰਗੇ ਸੰਦਾਂ ਨਾਲ ਨਾਲ AI ਵਿਚ ਨੈਤਿਕਤਾ ਨੂੰ ਵੀ ਕਵਰ ਕਰਦਾ ਹੈ
|
||||
ਸਾਡੇ 12-ਹਫਤਿਆਂ, 24-ਪਾਠਾਂ ਵਾਲੇ ਪਾਠਕ੍ਰਮ ਨਾਲ **ਆਰਟੀਫੀਸ਼ਲ ਇੰਟੈਲੀਜੈਂਸ** (AI) ਦੀ ਦੁਨੀਆ ਦੀ ਖੋਜ ਕਰੋ! ਇਸ ਵਿੱਚ ਪ੍ਰੈਕਟਿਕਲ ਪਾਠ, ਕਵਿਜ਼ ਅਤੇ ਲੈਬ ਸ਼ਾਮਲ ਹਨ। ਇਹ ਪਾਠਕ੍ਰਮ ਸ਼ੁਰੂਆਤੀਆਂ ਲਈ ਦੋਸਤਾਨਾ ਹੈ ਅਤੇ TensorFlow ਅਤੇ PyTorch ਵਰਗੇ ਟੂਲਾਂ ਦੇ ਨਾਲ-ਨਾਲ AI ਵਿੱਚ ਨੈतिकਤਾ ਨੂੰ ਵੀ ਕਵਰ ਕਰਦਾ ਹੈ।
|
||||
|
||||
### 🌐 ਬਹੁ-ਭਾਸ਼ਾਈ ਸਮਰਥਨ
|
||||
### 🌐 ਬਹੁ-ਭਾਸ਼ੀ ਸਹਾਇਤਾ
|
||||
|
||||
#### GitHub Action ਰਾਹੀਂ ਸਮਰਥਿਤ (ਆਟੋਮੇਟਿਕ ਅਤੇ ਹਮੇਸ਼ਾਂ ਅਪ-ਟੂ-ਡੇਟ)
|
||||
#### GitHub Action ਰਾਹੀਂ ਸਹਾਇਤ (ਸਵੈਚਾਲਿਤ ਅਤੇ ਹਮੇਸ਼ਾ ਅੱਪ-ਟੂ-ਡੇਟ)
|
||||
|
||||
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
||||
[ਅਰਬੀ](../ar/README.md) | [ਬੰਗਾਲੀ](../bn/README.md) | [ਬੁਲਗਾਰੀਆਈ](../bg/README.md) | [ਬਰਮੀ (ਮਿਆਂਮਾਰ)](../my/README.md) | [ਚੀਨੀ (ਸਰਲਿਕ੍ਰਿਤ)](../zh/README.md) | [ਚੀਨੀ (ਪੰਪਰਾਗਤ, ਹੋਂਗ ਕਾਂਗ)](../hk/README.md) | [ਚੀਨੀ (ਪੰਪਰਾਗਤ, ਮਕਾਉ)](../mo/README.md) | [ਚੀਨੀ (ਪੰਪਰਾਗਤ, ਤਾਈਵਾਨ)](../tw/README.md) | [ਕ੍ਰੋਏਸ਼ੀਅਨ](../hr/README.md) | [ਚੇਕ](../cs/README.md) | [ਡੈਨਿਸ਼](../da/README.md) | [ਡੱਚ](../nl/README.md) | [ਏਸਟੋਨੀਅਨ](../et/README.md) | [ਫਿਨਿਸ਼](../fi/README.md) | [ਫਰਾਂਸੀਸੀ](../fr/README.md) | [ਜਰਮਨ](../de/README.md) | [ਗ੍ਰੀਕ](../el/README.md) | [ਹਿਬਰੂ](../he/README.md) | [ਹਿੰਦੀ](../hi/README.md) | [ਹੰਗੇਰੀ](../hu/README.md) | [ਇੰਡੋਨੇਸ਼ੀਆਈ](../id/README.md) | [ਇਟਾਲੀਅਨ](../it/README.md) | [ਜਪਾਨੀ](../ja/README.md) | [ਕੰਨੜ](../kn/README.md) | [ਕੋਰਿਆਈ](../ko/README.md) | [ਲਿਥੁਆਨੀਆਈ](../lt/README.md) | [ਮਲਾਈ](../ms/README.md) | [ਮਲਿਆਲਮ](../ml/README.md) | [ਮਰਾਠੀ](../mr/README.md) | [ਨੇਪਾਲੀ](../ne/README.md) | [ਨਾਈਜੀਰੀਅਨ ਪਿਡਜਿਨ](../pcm/README.md) | [ਨਾਰਵੇਜੀਅਨ](../no/README.md) | [ਫਾਰਸੀ (ਫਾਰਸੀ)](../fa/README.md) | [ਪੋਲਿਸ਼](../pl/README.md) | [ਪੁਰਤਗਾਲੀ (ਬਰਾਜ਼ੀਲ)](../br/README.md) | [ਪੁਰਤਗਾਲੀ (ਪੁਰਤਗਾਲ)](../pt/README.md) | [ਪੰਜਾਬੀ (ਗੁਰਮੁਖੀ)](./README.md) | [ਰੋਮਾਨੀਆਈ](../ro/README.md) | [ਰੂਸੀ](../ru/README.md) | [ਸਰਬੀ (ਸਿਰਿਲਿਕ)](../sr/README.md) | [ਸਲੋਵਾਕ](../sk/README.md) | [ਸਲੋਵੇਨੀਅਨ](../sl/README.md) | [ਸਪੇਨੀ](../es/README.md) | [ਸਵਾਹਿੱਲੀ](../sw/README.md) | [ਸਵੀਡਿਸ਼](../sv/README.md) | [ਟੈਗਾਲੋਗ (ਫਿਲਿਪੀਨੀ)](../tl/README.md) | [ਤਮਿਲ](../ta/README.md) | [ਤੇਲੁਗੂ](../te/README.md) | [ਥਾਈ](../th/README.md) | [ਤੁਰਕੀ](../tr/README.md) | [ਉਕਰੇਨੀ](../uk/README.md) | [ਉਰਦੂ](../ur/README.md) | [ਵੇਤਨਾਮੀ](../vi/README.md)
|
||||
[ਅਰਬੀ](../ar/README.md) | [ਬੰਗਾਲੀ](../bn/README.md) | [ਬੁਲਗਾਰੀਆਈ](../bg/README.md) | [ਬਰਮੇਜ਼ (ਮਿਆਂਮਾਰ)](../my/README.md) | [ਚੀਨੀ (ਸਰਲ)](../zh/README.md) | [ਚੀਨੀ (ਪੰਪਰਿਕ, ਹੌਂਗ ਕਾਂਗ)](../hk/README.md) | [ਚੀਨੀ (ਪੰਪਰਿਕ, ਮਕਾਓ)](../mo/README.md) | [ਚੀਨੀ (ਪੰਪਰਿਕ, ਤਾਈਵਾਨ)](../tw/README.md) | [ਕਰੋਏਸ਼ੀਆਈ](../hr/README.md) | [ਚੈਕ](../cs/README.md) | [ਡੈਨਿਸ਼](../da/README.md) | [ਡੱਚ](../nl/README.md) | [ਇਸਟੋਨੀਅਨ](../et/README.md) | [ਫਿਨੀਸ਼](../fi/README.md) | [ਫਰਾਂਸੀਸੀ](../fr/README.md) | [ਜਰਮਨ](../de/README.md) | [ਗ੍ਰੀਕ](../el/README.md) | [ਹੀਬਰੂ](../he/README.md) | [ਹਿੰਦੀ](../hi/README.md) | [ਹੰਗੇਰੀਅਨ](../hu/README.md) | [ਇੰਡੋਨੇਸ਼ੀਆਈ](../id/README.md) | [ਇਟਾਲੀਅਨ](../it/README.md) | [ਜਪਾਨੀ](../ja/README.md) | [ಕನ್ನಡ](../kn/README.md) | [ਕੋਰੀਅਨ](../ko/README.md) | [ਲਿਥੁਆਨੀਆਈ](../lt/README.md) | [ਮਲਏ](../ms/README.md) | [ਮਲਯਾਲਮ](../ml/README.md) | [ਮਰાઠੀ](../mr/README.md) | [ਨੇਪਾਲੀ](../ne/README.md) | [ਨਾਈਜੀਰੀਆ ਪਿਡਜਿਨ](../pcm/README.md) | [ਨਾਰਵੇਜੀਅਨ](../no/README.md) | [ਫਾਰਸੀ (ਫਾਰਸੀ)](../fa/README.md) | [ਪੋਲਿਸ਼](../pl/README.md) | [ਪੁਰਤਗਾਲੀ (ਬ੍ਰਾਜ਼ੀਲ)](../br/README.md) | [ਪੁਰਤਗਾਲੀ (ਪੁਰਤਗਾਲ)](../pt/README.md) | [ਪੰਜਾਬੀ (ਗੁਰਮੁਖੀ)](./README.md) | [ਰੋਮਾਨੀਆਈ](../ro/README.md) | [ਰੂਸੀ](../ru/README.md) | [ਸਰਬੀਆਈ (ਸਿਰਿਲਿਕ)](../sr/README.md) | [ਸਲੋਵਾਕ](../sk/README.md) | [ਸਲੋਵੇਨੀਅਨ](../sl/README.md) | [ਸਪੇਨੀ](../es/README.md) | [ਸਵਾਹਿਲੀ](../sw/README.md) | [ਸਵੀਡਿਸ਼](../sv/README.md) | [ਟਗਾਲੋਗ (ਫਿਲੀਪੀਨੋ)](../tl/README.md) | [ਤਮਿਲ](../ta/README.md) | [ਤੇਲੁਗੂ](../te/README.md) | [ਥਾਈ](../th/README.md) | [ਤੁਰਕੀ](../tr/README.md) | [ਯੂਕਰੇਨੀ](../uk/README.md) | [ਉਰਦੂ](../ur/README.md) | [ਵਿਏਤਨਾਮੀ](../vi/README.md)
|
||||
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
||||
|
||||
**ਜੇ ਤੁਸੀਂ ਹੋਰ ਅਨੁਵਾਦ ਚਾਹੁੰਦੇ ਹੋ ਤਾਂ ਸਮਰਥਿਤ ਭਾਸ਼ਾਵਾਂ [ਇੱਥੇ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) ਦਿੱਤੀਆਂ ਗਈਆਂ ਹਨ**
|
||||
**ਜੇ ਤੁਸੀਂ ਹੋਰ ਅਨੁਵਾਦਾਂ ਦੀ ਇੱਛਾ ਰੱਖਦੇ ਹੋ ਤਾਂ ਸਮਰਥਿਤ ਭਾਸ਼ਾਵਾਂ ਇੱਥੇ ਦਿੱਤੀਆਂ ਹਨ: [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
||||
|
||||
## ਕਮਿਊਨਿਟੀ ਵਿੱਚ ਸ਼ਾਮਿਲ ਹੋਵੋ
|
||||
## ਕਮਿਉਨਿਟੀ ਵਿੱਚ ਸ਼ਾਮਿਲ ਹੋਵੋ
|
||||
[](https://discord.gg/nTYy5BXMWG)
|
||||
|
||||
## ਤੁਸੀਂ ਕੀ ਸਿੱਖੋਗੇ
|
||||
|
||||
**[ਕੋਰਸ ਦਾ ਮਾਈਂਡਮੈਪ](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)**
|
||||
|
||||
ਇਸ ਪਾਠਕ੍ਰਮ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ:
|
||||
ਇਸ ਪਾਠਕ੍ਰਮ ਵਿੱਚ, ਤੁਸੀਂ ਇਹ ਸਿੱਖੋਗੇ:
|
||||
|
||||
* ਕ੍ਰਿਤ੍ਰਿਮ ਬੁੱਧੀ ਦੇ ਵੱਖ-ਵੱਖ ਦ੍ਰਿਸ਼ਟਿਕੋਣ, ਜਿਸ ਵਿੱਚ "ਚੰਗਾ ਪੁਰਾਣਾ" ਪ੍ਰਤੀਕਾਤਮਕ ਦ੍ਰਿਸ਼ਟਿਕੋਣ ਸ਼ਾਮਲ ਹੈ ਜਿਸ ਵਿੱਚ **ਜਾਣਕਾਰੀ ਪ੍ਰਤੀਨਿਧਤਾ** ਅਤੇ ਤਰਕ ਸ਼ਾਮਲ ਹਨ ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)).
|
||||
* **ਨਿਊਰਲ ਨੈੱਟਵਰਕ** ਅਤੇ **ਡੀਪ ਲਰਨਿੰਗ**, ਜੋ ਆਧੁਨਿਕ AI ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਹਨ। ਅਸੀਂ ਇਨ੍ਹਾਂ ਮਹੱਤਵਪੂਰਣ ਵਿਸ਼ਿਆਂ ਦੇ ਪਿੱਛੇ ਦਿੱਤੇ ਕੌਂਸੈਪਟਾਂ ਨੂੰ ਦੋ ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ ਫਰੇਮਵਰਕਾਂ - [TensorFlow](http://Tensorflow.org) ਅਤੇ [PyTorch](http://pytorch.org) ਦੇ ਕੋਡ ਰਾਹੀਂ ਦਰਸਾਵਾਂਗੇ।
|
||||
* ਚਿੱਤਰਾਂ ਅਤੇ ਟੈਕਸਟ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ **ਨਿਊਰਲ ਆਕਿਟੈਕਚਰਜ਼**। ਅਸੀਂ ਹਾਲੀਆ ਮਾਡਲਾਂ ਨੂੰ ਕਵਰ ਕਰਾਂਗੇ ਪਰ ਸਾਇਦ ਸਟੇਟ-ਆਫ-ਦ-ਆਰਟ ਵਿੱਚ ਥੋੜ੍ਹਾ ਘਾਟ ਹੋ ਸਕਦਾ ਹੈ।
|
||||
* ਘੱਟ ਲੋਕਪ੍ਰਿਯ AI ਪਹੁੰਚਾਂ, ਜਿਵੇਂ **ਜੈਵਿਕ ਅਲਗੋਰਿਦਮ (Genetic Algorithms)** ਅਤੇ **ਬਹੁ-ਏਜੰਟ ਸਿਸਟਮ (Multi-Agent Systems)**।
|
||||
* ਆਰਟੀਫ਼ੀਸ਼ਲ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਲੈ ਕੇ ਵੱਖ-ਵੱਖ ਪਹੁੰਚਾਂ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ "ਪੁਰਾਣੀ" ਸੰਕੇਤੀਕ ਪਹੁੰਚ ਸ਼ਾਮਲ ਹੈ ਜਿਸ ਵਿੱਚ **ਜਾਣਕਾਰੀ ਦੀ ਪ੍ਰਤੀਨਿਧਤਾ** ਅਤੇ ਤਰਕਸ਼ੀਲਤਾ ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence))।
|
||||
* **ਨਿਊਰਲ ਨੈੱਟਵਰਕ** ਅਤੇ **ਡੀਪ ਲਰਨਿੰਗ**, ਜੋ ਆਧੁਨਿਕ AI ਦਾ ਮੁੱਖ ਗਠਨ ਹੈ। ਅਸੀਂ ਇਹ ਮਹੱਤਵਪੂਰਣ ਵਿਸ਼ਿਆਂ ਦੇ ਨਿਯਮਾਂ ਨੂੰ ਦੋ ਸਭ ਤੋਂ ਲੋਕਪ੍ਰිය ਫਰੇਮਵਰਕਾਂ - [TensorFlow](http://Tensorflow.org) ਅਤੇ [PyTorch](http://pytorch.org) ਵਿੱਚ ਕੋਡ ਦੇ ਰਹੀ ਵਿਖਾਵਾਂਗੇ।
|
||||
* ਚਿੱਤਰਾਂ ਅਤੇ ਟੈਕਸਟ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ **ਨਿਊਰਲ ਆਰਕੀਟੈਕਚਰ**। ਅਸੀਂ ਹਾਲੀਆ ਮਾਡਲਾਂ ਨੂੰ ਕਵਰ ਕਰਾਂਗੇ ਪਰ ਸ਼ਾਇਦ ਸਟੇਟ-ਆਫ-ਦ-ਆਰਟ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਹੀਂ ਹੋਵਾਂਗੇ।
|
||||
* ਘੱਟ ਪ੍ਰਸਿੱਧ AI ਪਹੁੰਚਾਂ, ਜਿਵੇਂ ਕਿ **ਜੀਨੀਟਿਕ ਅਲਗੋਰਿਦਮ** ਅਤੇ **ਬਹੁ-ਏਜੈਂਟ ਪ੍ਰਣਾਲੀਆਂ**।
|
||||
|
||||
What we will not cover in this curriculum:
|
||||
ਜੋ ਚੀਜ਼ਾਂ ਅਸੀਂ ਇਸ ਪਾਠਕ੍ਰਮ ਵਿੱਚ ਕਵਰ ਨਹੀਂ ਕਰਾਂਗੇ:
|
||||
|
||||
> [Find all additional resources for this course in our Microsoft Learn collection](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)
|
||||
> [ਇਸ ਕੋਰਸ ਲਈ ਸਾਰੇ ਵਧੇਰੇ ਸਰੋਤ ਸਾਡੇ Microsoft Learn ਕਲੇਕਸ਼ਨ ਵਿੱਚ ਲੱਭੋ](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)
|
||||
|
||||
* ਵਪਾਰ ਵਿੱਚ **AI ਦੇ ਬਿਜ਼ਨਸ ਕੇਸ**। Microsoft Learn 'ਤੇ [Introduction to AI for business users](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) ਲਰਨਿੰਗ ਪਾਥ ਲੈਣ 'ਤੇ ਵਿਚਾਰ ਕਰੋ, ਜਾਂ [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), ਜੋ [INSEAD](https://www.insead.edu/) ਦੇ ਸਹਿਯੋਗ ਨਾਲ ਵਿਕਸਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਨੂੰ ਵੇਖੋ।
|
||||
* **ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ**, ਜੋ ਸਾਡੇ [Machine Learning for Beginners Curriculum](http://github.com/Microsoft/ML-for-Beginners) ਵਿੱਚ ਵਧੀਆ ਤਰੀਕੇ ਨਾਲ ਵਰਣਨ ਕੀਤੀ ਗਈ ਹੈ।
|
||||
* ਪ੍ਰਯੋਗਿਕ AI ਐਪਲਿਕੇਸ਼ਨ ਜੋ **[Cognitive Services](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** ਦੀ ਵਰਤੋਂ ਨਾਲ ਬਣਾਈਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਇਸ ਲਈ, ਅਸੀਂ ਤੁਹਾਨੂੰ Microsoft Learn 'ਤੇ [vision](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [natural language processing](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Generative AI with Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** ਅਤੇ ਹੋਰ ਮਾਡਿਊਲਾਂ ਨਾਲ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਸਿਫ਼ਾਰਿਸ਼ ਕਰਦੇ ਹਾਂ।
|
||||
* ਨਿਰਧਾਰਿਤ ML **ਕਲਾਉਡ ਫਰੇਮਵਰਕ**, ਜਿਵੇਂ [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), ਜਾਂ [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). ਤੁਸੀਂ [Build and operate machine learning solutions with Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) ਅਤੇ [Build and Operate Machine Learning Solutions with Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) ਲਰਨਿੰਗ ਪਾਥਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ 'ਤੇ ਵਿਚਾਰ ਕਰ ਸਕਦੇ ਹੋ।
|
||||
* **ਕੰਵਰਸੇਸ਼ਨਲ AI** ਅਤੇ **ਚੈਟ ਬੋਟਸ**। ਇੱਕ ਵੱਖਰਾ [Create conversational AI solutions](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) ਲਰਨਿੰਗ ਪਾਥ ਮੌਜੂਦ ਹੈ, ਅਤੇ ਤੁਸੀਂ ਹੋਰ ਵੇਰਵੇ ਲਈ [ਇਸ ਬਲੌਗ ਪੋਸਟ](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) ਦਾ ਹੁੰਦਾ ਹਵਾਲਾ ਲੈ ਸਕਦੇ ਹੋ।
|
||||
* ਡੀਪ ਲਰਨਿੰਗ ਦੇ ਪਿਛੋਕੜ ਦੀ **ਗਹਿਰੀ ਗਣਿਤ**। ਇਸ ਲਈ, ਅਸੀਂ Ian Goodfellow, Yoshua Bengio ਅਤੇ Aaron Courville ਦੀ ਕਿਤਾਬ [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) ਦੀ ਸਿਫ਼ਾਰਿਸ਼ ਕਰਾਂਗੇ, ਜੋ ਆਨਲਾਈਨ ਤੇ ਵੀ ਉਪਲਬਧ ਹੈ [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/) 'ਤੇ।
|
||||
* ਕਾਰੋਬਾਰ ਵਿੱਚ **AI ਦੇ ਕਾਰੋਬਾਰੀ ਕੇਸ**। ਇਸ ਲਈ ਤੁਸੀਂ Microsoft Learn 'ਤੇ [Introduction to AI for business users](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) ਲਰਨਿੰਗ ਪਾਥ ਲੈਣ ਤੇ ਵਿਚਾਰ ਕਰ ਸਕਦੇ ਹੋ, ਜਾਂ [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), ਜੋ [INSEAD](https://www.insead.edu/) ਦੇ ਸਹਿਯੋਗ ਨਾਲ ਵਿਕਸਿਤ ਕੀਤੀ ਗਈ ਹੈ।
|
||||
* **ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ**, ਜਿਸਨੂੰ ਸਾਡੇ [Machine Learning for Beginners Curriculum](http://github.com/Microsoft/ML-for-Beginners) ਵਿੱਚ ਚੰਗੀ ਤਰ੍ਹਾਂ ਵਿਆਖਿਆ ਕੀਤਾ ਗਿਆ ਹੈ।
|
||||
* ਪ੍ਰਯੋਗਿਕ AI ਐਪਲੀਕੇਸ਼ਨ ਜੋ **[Cognitive Services](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** ਦੀ ਵਰਤੋਂ ਨਾਲ ਬਣਾਈਆਂ ਗਈਆਂ ਹਨ। ਇਸ ਲਈ, ਅਸੀਂ ਤੁਹਾਨੂੰ Microsoft Learn ‘ਤੇ [vision](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [natural language processing](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Generative AI with Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** ਅਤੇ ਹੋਰ ਮੋਡੀਊਲਜ਼ ਨਾਲ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦੇ ਹਾਂ।
|
||||
* ਖਾਸ ML **ਕਲਾਉਡ ਫਰੇਮਵਰਕ**, ਜਿਵੇਂ ਕਿ [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), ਜਾਂ [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum)। ਤੁਸੀਂ [Build and operate machine learning solutions with Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) ਅਤੇ [Build and Operate Machine Learning Solutions with Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) ਲਰਨਿੰਗ ਪਾਥਾਂ ਨੂੰ ਵਰਤਣ ਬਾਰੇ ਸੋਚ ਸਕਦੇ ਹੋ।
|
||||
* **ਗੱਲ-ਬਾਤੀ AI** ਅਤੇ **ਚੈਟ ਬੋਟਸ**। ਇਸ ਲਈ ਇੱਕ ਵੱਖਰੇ [Create conversational AI solutions](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) ਲਰਨਿੰਗ ਪਾਥ ਹੈ, ਅਤੇ ਵਿਸਥਾਰ ਲਈ ਤੁਸੀਂ [ਇਸ ਬਲੌਗ ਪੋਸਟ](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) ਨੂੰ ਵੀ ਦੇਖ ਸਕਦੇ ਹੋ।
|
||||
* ਡੀਪ ਲਰਨਿੰਗ ਦੇ ਪਿੱਛੇ ਦੀਆਂ **ਗੁੰਝਲਦਾਰ ਗਣਿਤੀ** ਰਚਨਾਵਾਂ। ਇਸ ਲਈ, ਅਸੀਂ Ian Goodfellow, Yoshua Bengio ਅਤੇ Aaron Courville ਦੁਆਰਾ ਲਿਖੀ ਗਈ ਕਿਤਾਬ [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) ਦੀ ਸਿਫਾਰਸ਼ ਕਰਾਂਗੇ, ਜੋ ਕਿ অনਲਾਈਨ ਵੀ ਉਪਲਬਧ ਹੈ: [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/)।
|
||||
|
||||
ਕਲਾਉਡ 'ਚ _AI_ ਵਿਸ਼ਿਆਂ ਲਈ ਨਰਮ ਜਾਣ-ਪਹਚਾਨ ਵਾਸਤੇ ਤੁਸੀਂ [Get started with artificial intelligence on Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) ਲਰਨਿੰਗ ਪਾਥ ਲੈਣ 'ਤੇ ਵਿਚਾਰ ਕਰ ਸਕਦੇ ਹੋ।
|
||||
ਕਲਾਊਡ ਵਿੱਚ _AI_ ਵਿਸ਼ਿਆਂ ਲਈ ਇੱਕ ਕੋਮਲ ਪਹਿਚਾਣ ਲਈ ਤੁਸੀਂ [Get started with artificial intelligence on Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) ਲਰਨਿੰਗ ਪਾਥ ਲੈ ਸਕਦੇ ਹੋ।
|
||||
|
||||
# ਸਮਗਰੀ
|
||||
# ਸਮੱਗਰੀ
|
||||
|
||||
| | ਪਾਠ ਲਿੰਕ | PyTorch/Keras/TensorFlow | Lab |
|
||||
| :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ |
|
||||
| 0 | [ਕੋਰਸ ਸੈਟਅਪ](./lessons/0-course-setup/setup.md) | [ਆਪਣੇ ਡਿਵੈਲਪਮੈਂਟ ਵਾਤਾਵਰਣ ਨੂੰ ਸੈਟਅਪ ਕਰੋ](./lessons/0-course-setup/how-to-run.md) | |
|
||||
| I | [**AI ਦਾ ਪਰਿਚਯ**](./lessons/1-Intro/README.md) | | |
|
||||
| 01 | [AI ਦਾ ਪਰਿਚਯ ਅਤੇ ਇਤਿਹਾਸ](./lessons/1-Intro/README.md) | - | - |
|
||||
| II | **ਪ੍ਰਤੀਕਾਤਮਕ AI** |
|
||||
| 02 | [ਜਾਣਕਾਰੀ ਪ੍ਰਤੀਨਿਧਤਾ ਅਤੇ ਮਾਹਿਰ ਸਿਸਟਮ](./lessons/2-Symbolic/README.md) | [ਮਾਹਿਰ ਸਿਸਟਮ](./lessons/2-Symbolic/Animals.ipynb) / [ਓਨਟੋਲੋਜੀ](./lessons/2-Symbolic/FamilyOntology.ipynb) /[ਧਾਰਣਾ ਗ੍ਰਾਫ](./lessons/2-Symbolic/MSConceptGraph.ipynb) | |
|
||||
| III | [**ਨਿਊਰਲ ਨੈੱਟਵਰਕਸ ਦਾ ਪਰਿਚਯ**](./lessons/3-NeuralNetworks/README.md) |||
|
||||
| 03 | [Perceptron](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [ਨੋਟਬੁੱਕ](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [ਲੈਬ](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) |
|
||||
| 04 | [Multi-Layered Perceptron ਅਤੇ ਆਪਣਾ ਫਰੇਮਵਰਕ ਬਣਾਉਣਾ](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [ਨੋਟਬੁੱਕ](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [ਲੈਬ](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) |
|
||||
| 05 | [ਫਰੇਮਵਰਕਜ਼ ਦਾ ਪਰਿਚਯ (PyTorch/TensorFlow) ਅਤੇ ਓਵਰਫਿਟਿੰਗ](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ਲੈਬ](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) |
|
||||
| IV | [**ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [Microsoft Azure 'ਤੇ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਦੀ ਖੋਜ ਕਰੋ](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) |
|
||||
| 0 | [ਕੋਰਸ ਸੈਟਅਪ](./lessons/0-course-setup/setup.md) | [ਆਪਣੇ ਡਿਵੈਲਪਮੈਂਟ ਮਾਹੌਲ ਨੂੰ ਸੈਟਅਪ ਕਰੋ](./lessons/0-course-setup/how-to-run.md) | |
|
||||
| I | [**ਆਈ ਦਾ ਪਰਿਚਯ**](./lessons/1-Intro/README.md) | | |
|
||||
| 01 | [ਆਈ ਦਾ ਪਰਿਚਯ ਅਤੇ ਇਤਿਹਾਸ](./lessons/1-Intro/README.md) | - | - |
|
||||
| II | **ਸੰਕੇਤੀਕ AI** |
|
||||
| 02 | [ਜਾਣਕਾਰੀ ਦੀ ਪ੍ਰਤੀਨਿਧਤਾ ਅਤੇ ਮਾਹਿਰ ਪ੍ਰਣਾਲੀਆਂ](./lessons/2-Symbolic/README.md) | [Expert Systems](./lessons/2-Symbolic/Animals.ipynb) / [Ontology](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Concept Graph](./lessons/2-Symbolic/MSConceptGraph.ipynb) | |
|
||||
| III | [**ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦਾ ਪਰਿਚਯ**](./lessons/3-NeuralNetworks/README.md) |||
|
||||
| 03 | [ਪਰਸੈਪਟਰੋਨ](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [ਨੋਟਬੁੱਕ](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [ਲੈਬ](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) |
|
||||
| 04 | [ਮਲਟੀ-ਲੇਅਰਡ ਪਰਸੈਪਟਰੋਨ ਅਤੇ ਆਪਣਾ ਫਰੇਮਵਰਕ ਬਣਾਉਣਾ](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [ਨੋਟਬੁੱਕ](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [ਲੈਬ](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) |
|
||||
| 05 | [ਫਰੇਮਵਰਕਾਂ (PyTorch/TensorFlow) ਦਾ ਜਾਣ-ਪਛਾਣ ਅਤੇ ਓਵਰਫਿਟਿੰਗ](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ਲੈਬ](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) |
|
||||
| IV | [**ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [Explore Computer Vision on Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) |
|
||||
| 06 | [ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਦਾ ਪਰਿਚਯ। OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [ਨੋਟਬੁੱਕ](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [ਲੈਬ](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) |
|
||||
| 07 | [ਕਨਵੋਲਿਊਸ਼ਨਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕ](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN ਆਰਕੀਟੈਕਚਰ](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [ਲੈਬ](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) |
|
||||
| 08 | [ਪ੍ਰੀ-ਟ੍ਰੇਨ ਕੀਤੇ ਨੈੱਟਵਰਕ ਅਤੇ ਟ੍ਰਾਂਸਫਰ ਲਰਨਿੰਗ](./lessons/4-ComputerVision/08-TransferLearning/README.md) and [ਟ੍ਰੇਨਿੰਗ ਟ੍ਰਿੱਕਸ](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ਲੈਬ](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) |
|
||||
| 09 | [Autoencoders ਅਤੇ VAEs](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | |
|
||||
| 10 | [Generative Adversarial Networks ਅਤੇ ਕਲਾਤਮਕ ਸਟਾਈਲ ਟ੍ਰਾਂਸਫਰ](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | |
|
||||
| 11 | [Object Detection](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [ਲੈਬ](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) |
|
||||
| 12 | [Semantic Segmentation। U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | |
|
||||
| V | [**ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰਕਿਰਿਆ**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [Microsoft Azure 'ਤੇ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰਕਿਰਿਆ ਦੀ ਖੋਜ ਕਰੋ](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)|
|
||||
| 13 | [Text Representation। BoW/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | |
|
||||
| 14 | [ਸੈਮੈਂਟਿਕ ਸ਼ਬਦ ਇੰਬੈੱਡਿੰਗਸ। Word2Vec ਅਤੇ GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | |
|
||||
| 15 | [ਭਾਸ਼ਾ ਮਾਡਲਿੰਗ। ਆਪਣੇ ਇੰਬੈੱਡਿੰਗਸ ਨੂੰ ਟਰੇਨ ਕਰਨਾ](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [ਲੈਬ](./lessons/5-NLP/15-LanguageModeling/lab/README.md) |
|
||||
| 16 | [ਰੀਕਰੈਂਟ ਨਿਊਰਲ ਨੈੱਟਵਰਕ](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | |
|
||||
| 17 | [Generative Recurrent Networks](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [ਲੈਬ](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) |
|
||||
| 18 | [Transformers। BERT।](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | |
|
||||
| 19 | [Named Entity Recognition](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [ਲੈਬ](./lessons/5-NLP/19-NER/lab/README.md) |
|
||||
| 20 | [Large Language Models, Prompt Programming and Few-Shot Tasks](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | |
|
||||
| VI | **Other AI Techniques** || |
|
||||
| 21 | [Genetic Algorithms](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [ਨੋਟਬੁੱਕ](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | |
|
||||
| 22 | [Deep Reinforcement Learning](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [ਲੈਬ](./lessons/6-Other/22-DeepRL/lab/README.md) |
|
||||
| 23 | [Multi-Agent Systems](./lessons/6-Other/23-MultiagentSystems/README.md) | | |
|
||||
| VII | **AI Ethics** | | |
|
||||
| 24 | [AI Ethics and Responsible AI](./lessons/7-Ethics/README.md) | [Microsoft Learn: Responsible AI Principles](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | |
|
||||
| IX | **Extras** | | |
|
||||
| 25 | [Multi-Modal Networks, CLIP and VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [ਨੋਟਬੁੱਕ](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | |
|
||||
| 07 | [ਕਨਵੋਲ੍ਯੂਸ਼ਨਲ ਨਿਊਰਲ ਨੈਟਵਰਕਸ](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN Architectures](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [ਲੈਬ](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) |
|
||||
| 08 | [ਪ੍ਰੀ-ਟ੍ਰੇਨਡ ਨੈੱਟਵਰਕ ਅਤੇ ਟਰਾਂਸਫਰ ਲਰਨਿੰਗ](./lessons/4-ComputerVision/08-TransferLearning/README.md) and [Training Tricks](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ਲੈਬ](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) |
|
||||
| 09 | [ਆਟੋਐਨਕੋਡਰ ਅਤੇ VAE](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | |
|
||||
| 10 | [ਜਨਰੇਟਿਵ ਐਡਵਰਸੈਰੀਅਲ ਨੈਟਵਰਕਸ ਅਤੇ ਆਰਟੀਸਟਿਕ ਸਟਾਈਲ ਟਰਾਂਸਫਰ](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | |
|
||||
| 11 | [ਵਸਤੂ ਪਛਾਣ](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [ਲੈਬ](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) |
|
||||
| 12 | [ਸੈਮੈਂਟਿਕ ਸੈਗਮੈਂਟੇਸ਼ਨ। U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | |
|
||||
| V | [**ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰਕਿਰਿਆ**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [Explore Natural Language Processing on Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)|
|
||||
| 13 | [ਟੈਕਸਟ ਪ੍ਰਤੀਨਿਧਤਾ। Bow/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | |
|
||||
| 14 | [ਸੈਮੈਂਟਿਕ ਸ਼ਬਦ ਐਂਬੈੱਡਿੰਗਸ। Word2Vec ਅਤੇ GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | |
|
||||
| 15 | [ਭਾਸ਼ਾ ਮਾਡਲਿੰਗ। ਆਪਣੇ ਐਂਬੈੱਡਿੰਗਸ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨਾ](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [ਲੈਬ](./lessons/5-NLP/15-LanguageModeling/lab/README.md) |
|
||||
| 16 | [ਰੀਕਰਨਟ ਨਿਊਰਲ ਨੈਟਵਰਕਸ](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | |
|
||||
| 17 | [ਜਨਰੇਟਿਵ ਰੀਕਰਨਟ ਨੈਟਵਰਕਸ](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [ਲੈਬ](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) |
|
||||
| 18 | [ਟ੍ਰਾਂਸਫਾਰਮਰ। BERT.](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | |
|
||||
| 19 | [ਨਾਮੀ ਇਕਾਈ ਪਛਾਣ](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [ਲੈਬ](./lessons/5-NLP/19-NER/lab/README.md) |
|
||||
| 20 | [ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ, ਪ੍ਰਾਂਪਟ ਪ੍ਰੋਗ੍ਰਾਮਿੰਗ ਅਤੇ ਫਿੂ-ਸ਼ਾਟ ਟਾਸਕ](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | |
|
||||
| VI | **ਹੋਰ AI ਤਕਨੀਕਾਂ** || |
|
||||
| 21 | [ਜੀਨੀਟਿਕ ਐਲਗੋਰਿਦਮ](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [ਨੋਟਬੁੱਕ](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | |
|
||||
| 22 | [ਡੀਪ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [ਲੈਬ](./lessons/6-Other/22-DeepRL/lab/README.md) |
|
||||
| 23 | [ਬਹੁ-ਏਜੈਂਟ ਸਿਸਟਮ](./lessons/6-Other/23-MultiagentSystems/README.md) | | |
|
||||
| VII | **AI ਨੈਤਿਕਤਾ** | | |
|
||||
| 24 | [AI ਨੈਤਿਕਤਾ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ AI](./lessons/7-Ethics/README.md) | [Microsoft Learn: Responsible AI Principles](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | |
|
||||
| IX | **ਅਤਿਰਿਕਤ** | | |
|
||||
| 25 | [ਮਲਟੀ-ਮੋਡਲ ਨੈਟਵਰਕ, CLIP ਅਤੇ VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [ਨੋਟਬੁੱਕ](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | |
|
||||
|
||||
## ਹਰ ਪਾਠ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ
|
||||
|
||||
* ਪਹਿਲਾਂ ਪੜ੍ਹਨ ਵਾਲਾ ਸਮੱਗਰੀ
|
||||
* ਚਲਦੇ-ਫਿਰਦੇ Jupyter ਨੋਟਬੁੱਕ, ਜੋ ਅਕਸਰ ਕਿਸੇ ਖਾਸ ਫਰੇਮਵਰਕ (**PyTorch** ਜਾਂ **TensorFlow**) ਲਈ ਹੋਂਦੇ ਹਨ। ਚਲਦਾ ਨੋਟਬੁੱਕ ਵੀ ਕਾਫੀ ਸਿਧਾਂਤਕ ਸਮੱਗਰੀ ਰੱਖਦਾ ਹੈ, ਸੋ ਵਿਸ਼ੇ ਨੂੰ ਸਮਝਣ ਲਈ ਤੁਹਾਨੂੰ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਵਰਜਨ (ਚਾਹੇ PyTorch ਜਾਂ TensorFlow) ਦੇ ਨੋਟਬੁੱਕ ਨੂੰ ਵੇਖਣਾ ਜ਼ਰੂਰੀ ਹੈ।
|
||||
* ਕੁਝ ਵਿਸ਼ਿਆਂ ਲਈ ਉਪਲਬਧ **ਲੈਬਾਂ**, ਜੋ ਤੁਹਾਨੂੰ ਸਿੱਖੀ ਗਈ ਸਮੱਗਰੀ ਨੂੰ ਕਿਸੇ ਵਿਸ਼ੇਸ਼ ਸਮੱਸਿਆ 'ਤੇ ਲਾਗੂ ਕਰਨ ਦਾ ਮੌਕਾ ਦਿੰਦੀਆਂ ਹਨ।
|
||||
* ਕੁਝ хэсਿਆਂ ਵਿੱਚ ਸੰਬੰਧਤ ਵਿਸ਼ਿਆਂ ਨੂੰ ਕਵਰ ਕਰਨ ਵਾਲੇ [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) ਮੌਡੀਊਲਾਂ ਲਈ ਲਿੰਕ ਹਨ।
|
||||
* ਪਹਿਲਾਂ ਪੜ੍ਹਨ ਵਾਲੀ ਸਮੱਗਰੀ
|
||||
* ਚਲਾਉਣ ਯੋਗ Jupyter ਨੋਟਬੁੱਕਸ, ਜੋ ਅਕਸਰ ਕਿਸੇ ਖਾਸ ਫਰੇਮਵਰਕ(**PyTorch** ਜਾਂ **TensorFlow**) ਲਈ ਨਿਰਧਾਰਤ ਹੁੰਦੇ ਹਨ। ਚਲਾਉਣ ਯੋਗ ਨੋਟਬੁੱਕ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀ ਸਿਧਾਂਤਕ ਸਮੱਗਰੀ ਵੀ ਹੁੰਦੀ ਹੈ, ਇਸ ਲਈ ਵਿਸ਼ਾ ਨੂੰ ਸਮਝਣ ਲਈ ਤੁਹਾਨੂੰ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਵਰਜਨ (PyTorch ਜਾਂ TensorFlow) ਦੇ ਨੋਟਬੁੱਕ ਰਾਹੀਂ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
|
||||
* ਕੁਝ ਵਿਸ਼ਿਆਂ ਲਈ ਉਪਲਬਧ **ਲੈਬਸ**, ਜੋ ਤੁਹਾਨੂੰ ਸਿੱਖੀ ਹੋਈ ਸਮੱਗਰੀ ਨੂੰ ਕਿਸੇ ਵਿਸ਼ੇਸ਼ ਸਮੱਸਿਆ 'ਤੇ ਲਾਗੂ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਦਾ ਮੌਕਾ ਦਿੰਦੀਆਂ ਹਨ।
|
||||
* ਕੁਝ ਭਾਗਾਂ ਵਿੱਚ ਸੰਬੰਧਤ ਵਿਸ਼ਿਆਂ ਨੂੰ ਕਵਰ ਕਰਨ ਵਾਲੇ [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) ਮੋਡੀਊਲਾਂ ਦੇ ਲਿੰਕ ਹੁੰਦੇ ਹਨ।
|
||||
|
||||
## ਸ਼ੁਰੂਆਤ
|
||||
|
||||
### 🎯 AI ਵਿੱਚ ਨਵੇਂ ਹੋ? ਇੱਥੋਂ ਸ਼ੁਰੂ ਕਰੋ!
|
||||
### 🎯 AI ਵਿੱਚ ਨਵੇਂ ਹੋ? ਇੱਥੇ ਸ਼ੁਰੂ ਕਰੋ!
|
||||
|
||||
ਜੇ ਤੁਸੀਂ AI ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਵੇਂ ਹੋ ਅਤੇ ਤੇਜ਼, ਹਥ-ਅਨੁਭਵੀ ਉਦਾਹਰਣ ਚਾਹੁੰਦੇ ਹੋ ਤਾਂ ਸਾਡੇ [**Beginner-Friendly Examples**](./examples/README.md) ਨੂੰ ਦੇਖੋ! ਇਹ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:
|
||||
ਜੇ ਤੁਸੀਂ AI ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਵੇਂ ਹੋ ਅਤੇ ਛੇਤੀ, ਹੱਥ-ਵਾਲੀਆਂ ਉਦਾਹਰਨਾਂ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਸਾਡੇ [**ਨਵੇਂ ਸਿੱਖਣ ਵਾਲਿਆਂ ਲਈ ਉਦਾਹਰਨਾਂ**](./examples/README.md) ਨੂੰ ਦੇਖੋ! ਇਹਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:
|
||||
|
||||
- 🌟 **Hello AI World** - ਤੁਹਾਡਾ ਪਹਿਲਾ AI ਪ੍ਰੋਗਰਾਮ (ਪੈਟਰਨ ਪਛਾਣ)
|
||||
- 🧠 **Simple Neural Network** - ਜ਼ਮੀਨ ਤੋਂ ਇੱਕ ਸਾਦਾ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਬਣਾਓ
|
||||
- 🖼️ **Image Classifier** - ਵਿਸਥਾਰਤ ਟਿੱਪਣੀਆਂ ਦੇ ਨਾਲ ਚਿੱਤਰਾਂ ਦੀ ਵਰਗੀਕਰਨ
|
||||
- 💬 **ਟੈਕਸਟ ਭਾਵਨਾ** - ਸਕਾਰਾਤਮਕ/ਨਕਾਰਾਤਮਕ ਟੈਕਸਟ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ
|
||||
- 🌟 **ਹੈਲੋ AI ਵਰਲਡ** - ਤੁਹਾਡਾ ਪਹਿਲਾ AI ਪ੍ਰੋਗ੍ਰਾਮ (ਪੈਟਰਨ ਪਛਾਣ)
|
||||
- 🧠 **ਸਰਲ ਨਿਊਰਲ ਨੈਟਵਰਕ** - ਸ਼ੁਰੂ ਤੋਂ ਇੱਕ ਨਿਊਰਲ ਨੈਟਵਰਕ ਬਣਾਓ
|
||||
- 🖼️ **ਇਮੇਜ ਕਲਾਸੀਫਾਇਰ** - ਵਿਸਥਾਰ ਨਾਲ ਟਿੱਪਣੀਆਂ ਦੇ ਨਾਲ ਚਿੱਤਰਾਂ ਦੀ ਵਰਗੀਕਰਨ ਕਰੋ
|
||||
- 💬 **ਟੈਕਸਟ ਸੈਂਟੀਮੈਂਟ** - ਸਕਾਰਾਤਮਕ/ਨਕਾਰਾਤਮਕ ਪਾਠ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ
|
||||
|
||||
These examples are designed to help you understand AI concepts before diving into the full curriculum.
|
||||
|
||||
### 📚 ਪੂਰਾ ਪਾਠਕ੍ਰਮ ਸੈਟਅੱਪ
|
||||
### 📚 ਪੂਰਾ ਸਿਲੇਬਸ ਸੈਟਅਪ
|
||||
|
||||
- ਅਸੀਂ ਇੱਕ [ਸੈਟਅੱਪ ਪਾਠ](./lessons/0-course-setup/setup.md) ਬਣਾਇਆ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਤੁਹਾਡੇ ਡਿਵੈਲਪਮੈਂਟ ਵਾਤਾਵਰਣ ਨੂੰ ਸੈਟਅੱਪ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ। - For Educators, we have created a [ਪਾਠਕ੍ਰਮ ਸੈਟਅੱਪ ਪਾਠ](./lessons/0-course-setup/for-teachers.md) for you too!
|
||||
- ਕਿਸ ਤਰ੍ਹਾਂ [VSCode ਜਾਂ Codepace ਵਿੱਚ ਕੋਡ ਚਲਾਇਆ ਜਾਵੇ](./lessons/0-course-setup/how-to-run.md)
|
||||
- We have created a [setup lesson](./lessons/0-course-setup/setup.md) to help you with setting up your development environment. - For Educators, we have created a [curricula setup lesson](./lessons/0-course-setup/for-teachers.md) for you too!
|
||||
- How to [ਕੋਡ VSCode ਜਾਂ Codepace ਵਿੱਚ ਚਲਾਇਆ ਜਾਵੇ](./lessons/0-course-setup/how-to-run.md)
|
||||
|
||||
Follow these steps:
|
||||
|
||||
|
|
@ -140,27 +140,27 @@ Don't forget to star (🌟) this repo to find it easier later.
|
|||
|
||||
## ਹੋਰ ਸਿੱਖਣ ਵਾਲਿਆਂ ਨਾਲ ਮਿਲੋ
|
||||
|
||||
Join our [ਅਧਿਕਾਰਿਕ AI Discord ਸਰਵਰ](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) to meet and network with other learners taking this course and get support.
|
||||
Join our [official AI Discord server](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) to meet and network with other learners taking this course and get support.
|
||||
|
||||
If you have product feedback or questions whilst building visit our [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum)
|
||||
|
||||
## ਕਵਿਜ਼
|
||||
## ਕੁਇਜ਼
|
||||
|
||||
> **ਕਵਿਜ਼ਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ**: All quizzes are contained in the Quiz-app folder in etc\quiz-app, or [ਆਨਲਾਈਨ ਇੱਥੇ](https://ff-quizzes.netlify.app/) They are linked from within the lessons the quiz app can be run locally or deployed to Azure; follow the instruction in the `quiz-app` folder. They are gradually being localized.
|
||||
> **A note about quizzes**: All quizzes are contained in the Quiz-app folder in etc\quiz-app, or [Online Here](https://ff-quizzes.netlify.app/) They are linked from within the lessons the quiz app can be run locally or deployed to Azure; follow the instruction in the `quiz-app` folder. They are gradually being localized.
|
||||
|
||||
## ਮਦਦ ਚਾਹੀਦੀ ਹੈ
|
||||
## ਮਦਦ ਦੀ ਲੋੜ
|
||||
|
||||
Do you have suggestions or found spelling or code errors? Raise an issue or create a pull request.
|
||||
|
||||
## ਵਿਸ਼ੇਸ਼ ਧੰਨਵਾਦ
|
||||
## ਖ਼ਾਸ ਧੰਨਵਾਦ
|
||||
|
||||
* **✍️ ਮੁੱਖ ਲੇਖਕ:** [Dmitry Soshnikov](http://soshnikov.com), PhD
|
||||
* **🔥 ਸੰਪਾਦਕ:** [Jen Looper](https://twitter.com/jenlooper), PhD
|
||||
* **🎨 ਸਕੈਚਨੋਟ ਚਿੱਤਰਕਾਰ:** [Tomomi Imura](https://twitter.com/girlie_mac)
|
||||
* **✅ ਕਵਿਜ਼ ਸਿਰਜਨਹਾਰ:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/)
|
||||
* **🙏 ਮੁੱਖ ਯੋਗਦਾਨਕਾਰ:** [Evgenii Pishchik](https://github.com/Pe4enIks)
|
||||
* **🎨 ਸਕੇਚਨੋਟ ਚਿੱਤਰਕਾਰ:** [Tomomi Imura](https://twitter.com/girlie_mac)
|
||||
* **✅ ਕੁਇਜ਼ ਸਿਰਜਣਹਾਰ:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/)
|
||||
* **🙏 ਮੁੱਖ ਯੋਗਦਾਨਦਾਤਾ:** [Evgenii Pishchik](https://github.com/Pe4enIks)
|
||||
|
||||
## ਹੋਰ ਪਾਠਕ੍ਰਮ
|
||||
## ਹੋਰ ਸਿਲੇਬਸ
|
||||
|
||||
Our team produces other curricula! Check out:
|
||||
|
||||
|
|
@ -175,11 +175,11 @@ Our team produces other curricula! Check out:
|
|||
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
|
||||
---
|
||||
|
||||
### Generative AI Series
|
||||
### ਜਨਰੇਟਿਵ AI ਸੀਰੀਜ਼
|
||||
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
||||
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
||||
|
|
@ -187,36 +187,36 @@ Our team produces other curricula! Check out:
|
|||
|
||||
---
|
||||
|
||||
### ਮੁੱਖ ਸਿੱਖਿਆ
|
||||
### ਮੂਲ ਸਿੱਖਿਆ
|
||||
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
||||
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
||||
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
|
||||
---
|
||||
|
||||
### ਕੋਪਾਇਲਟ ਸੀਰੀਜ਼
|
||||
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
||||
### Copilot ਸੀਰੀਜ਼
|
||||
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
||||
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
||||
|
||||
## ਮਦਦ ਪ੍ਰਾਪਤ ਕਰੋ
|
||||
## ਮਦਦ ਲੈਣ
|
||||
|
||||
If you get stuck or have any questions about building AI apps. Join fellow learners and experienced developers in discussions about MCP. It's a supportive community where questions are welcome and knowledge is shared freely.
|
||||
|
||||
[](https://discord.gg/nTYy5BXMWG)
|
||||
[](https://discord.gg/nTYy5BXMWG)
|
||||
|
||||
If you have product feedback or errors while building visit:
|
||||
|
||||
[](https://aka.ms/foundry/forum)
|
||||
[](https://aka.ms/foundry/forum)
|
||||
|
||||
---
|
||||
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
||||
ਅਸਵੀਕਾਰ:
|
||||
ਇਸ ਦਸਤਾਵੇਜ਼ ਦਾ ਅਨੁਵਾਦ AI ਅਨੁਵਾਦ ਸੇਵਾ [Co-op Translator](https://github.com/Azure/co-op-translator) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸ਼ੁੱਧਤਾ ਲਈ ਯਤਨ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਰੱਖੋ ਕਿ ਆਟੋਮੈਟਿਕ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਤਰੁਟੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਉਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਪ੍ਰਮਾਣਿਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫ਼ਾਰਿਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫਹਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।
|
||||
ਅਸਵੀਕਰਨ:
|
||||
ਇਸ ਦਸਤਾਵੇਜ਼ ਦਾ ਅਨੁਵਾਦ ਏਆਈ ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator (https://github.com/Azure/co-op-translator) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਤਾ ਲਈ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਧਿਆਨ ਰੱਖੋ ਕਿ ਸਵਚਾਲਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਤ੍ਰੁੱਟੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਉਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਿਕ ਸਰੋਤ ਮਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਾਨਵ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਉਤਪੰਨ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫਹਮੀ ਜਾਂ ਭੁੱਲ-ਵਿਆਖਿਆ ਲਈ ਜਵਾਬਦੇਹ ਨਹੀਂ ਹਾਂ।
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER END -->
|
||||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# AI ਦਾ ਪਰਿਚਯ
|
||||
|
||||
|
||||
|
||||
|
||||
> ਸਕੈਚਨੋਟ [ਟੋਮੋਮੀ ਇਮੁਰਾ](https://twitter.com/girlie_mac) ਦੁਆਰਾ
|
||||
|
||||
|
|
@ -19,7 +19,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
ਮੂਲ ਰੂਪ ਵਿੱਚ, ਕੰਪਿਊਟਰਾਂ ਨੂੰ [ਚਾਰਲਸ ਬੈਬੇਜ](https://en.wikipedia.org/wiki/Charles_Babbage) ਦੁਆਰਾ ਸੰਖਿਆਵਾਂ 'ਤੇ ਕੰਮ ਕਰਨ ਲਈ ਬਣਾਇਆ ਗਿਆ ਸੀ, ਇੱਕ ਸਪਸ਼ਟ ਤਰੀਕੇ - ਇੱਕ ਐਲਗੋਰਿਦਮ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹੋਏ। ਆਧੁਨਿਕ ਕੰਪਿਊਟਰ, ਹਾਲਾਂਕਿ 19ਵੀਂ ਸਦੀ ਵਿੱਚ ਪ੍ਰਸਤਾਵਿਤ ਮੂਲ ਮਾਡਲ ਨਾਲੋਂ ਕਾਫ਼ੀ ਅਗਰਗਾਮੀ ਹਨ, ਫਿਰ ਵੀ ਨਿਯੰਤਰਿਤ ਗਣਨਾਵਾਂ ਦੇ ਇੱਕੋ ਹੀ ਵਿਚਾਰ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ। ਇਸ ਲਈ, ਇਹ ਸੰਭਵ ਹੈ ਕਿ ਕੰਪਿਊਟਰ ਨੂੰ ਕੁਝ ਕਰਨ ਲਈ ਪ੍ਰੋਗਰਾਮ ਕੀਤਾ ਜਾ ਸਕੇ ਜੇਕਰ ਅਸੀਂ ਉਹ ਸਪਸ਼ਟ ਕਦਮਾਂ ਦੀ ਲੜੀ ਜਾਣਦੇ ਹਾਂ ਜੋ ਲਕਸ਼ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਕਰਨੇ ਹਨ।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਤਸਵੀਰ [ਵਿਕੀ ਸੋਸ਼ਨਿਕੋਵਾ](http://twitter.com/vickievalerie) ਦੁਆਰਾ
|
||||
|
||||
|
|
@ -46,7 +46,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
**[Intelligence](https://en.wikipedia.org/wiki/Intelligence)** ਸ਼ਬਦ ਨਾਲ ਨਜਿੱਠਣ ਵੇਲੇ ਇੱਕ ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਇਸ ਸ਼ਬਦ ਦੀ ਕੋਈ ਸਪਸ਼ਟ ਪਰਿਭਾਸ਼ਾ ਨਹੀਂ ਹੈ। ਕੋਈ ਦਲੀਲ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਬੁੱਧੀ **ਅਮੂਰ ਚਿੰਤਨ** ਜਾਂ **ਸਵੈ-ਜਾਗਰੂਕਤਾ** ਨਾਲ ਜੁੜੀ ਹੋਈ ਹੈ, ਪਰ ਅਸੀਂ ਇਸਨੂੰ ਢੰਗ ਨਾਲ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਕਰ ਸਕਦੇ।
|
||||
|
||||
|
||||
|
||||
|
||||
> [ਤਸਵੀਰ](https://unsplash.com/photos/75715CVEJhI) [ਐਂਬਰ ਕਿਪ](https://unsplash.com/@sadmax) ਦੁਆਰਾ Unsplash ਤੋਂ
|
||||
|
||||
|
|
|
|||
|
|
@ -12,7 +12,7 @@
|
|||
"\n",
|
||||
"ਇਸ ਉਦਾਹਰਨ ਵਿੱਚ, ਅਸੀਂ ਕੁਝ ਭੌਤਿਕ ਲੱਛਣਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਜਾਨਵਰ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਇੱਕ ਸਧਾਰਣ ਗਿਆਨ-ਅਧਾਰਿਤ ਪ੍ਰਣਾਲੀ ਲਾਗੂ ਕਰਾਂਗੇ। ਇਸ ਪ੍ਰਣਾਲੀ ਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ AND-OR ਟ੍ਰੀ ਦੁਆਰਾ ਦਰਸਾਇਆ ਜਾ ਸਕਦਾ ਹੈ (ਇਹ ਪੂਰੇ ਟ੍ਰੀ ਦਾ ਇੱਕ ਹਿੱਸਾ ਹੈ, ਅਸੀਂ ਆਸਾਨੀ ਨਾਲ ਹੋਰ ਨਿਯਮ ਸ਼ਾਮਲ ਕਰ ਸਕਦੇ ਹਾਂ):\n",
|
||||
"\n",
|
||||
"\n"
|
||||
"\n"
|
||||
]
|
||||
},
|
||||
{
|
||||
|
|
|
|||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# ਗਿਆਨ ਪ੍ਰਸਤੁਤੀ ਅਤੇ ਮਾਹਰ ਪ੍ਰਣਾਲੀਆਂ
|
||||
|
||||
|
||||
|
||||
|
||||
> ਸਕੈਚਨੋਟ [Tomomi Imura](https://twitter.com/girlie_mac) ਦੁਆਰਾ
|
||||
|
||||
|
|
@ -41,7 +41,7 @@ AI ਦੇ ਸ਼ੁਰੂਆਤੀ ਦਿਨਾਂ ਵਿੱਚ, ਬੁੱਧੀ
|
|||
|
||||
ਇਸ ਤਰ੍ਹਾਂ, **ਗਿਆਨ ਪ੍ਰਸਤੁਤੀ** ਦੀ ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਕੰਪਿਊਟਰ ਵਿੱਚ ਡਾਟਾ ਦੇ ਰੂਪ ਵਿੱਚ ਗਿਆਨ ਨੂੰ ਦਰਸਾਉਣ ਦਾ ਕੁਝ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਰੀਕਾ ਲੱਭਿਆ ਜਾਵੇ, ਤਾਂ ਜੋ ਇਹ ਸਵੈਚਾਲਿਤ ਤਰੀਕੇ ਨਾਲ ਵਰਤਿਆ ਜਾ ਸਕੇ। ਇਸਨੂੰ ਇੱਕ ਸਪੈਕਟ੍ਰਮ ਵਜੋਂ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ:
|
||||
|
||||
|
||||
|
||||
|
||||
> ਚਿੱਤਰ [Dmitry Soshnikov](http://soshnikov.com) ਦੁਆਰਾ
|
||||
|
||||
|
|
@ -94,7 +94,7 @@ Block Syntax | Indent | | |
|
|||
|
||||
ਸੰਕੇਤਕ AI ਦੀਆਂ ਸ਼ੁਰੂਆਤੀ ਸਫਲਤਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ **ਮਾਹਰ ਪ੍ਰਣਾਲੀਆਂ** ਸਨ - ਕੰਪਿਊਟਰ ਪ੍ਰਣਾਲੀਆਂ ਜੋ ਕੁਝ ਸੀਮਿਤ ਸਮੱਸਿਆ ਖੇਤਰ ਵਿੱਚ ਮਾਹਰ ਵਜੋਂ ਕੰਮ ਕਰਨ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤੀਆਂ ਗਈਆਂ ਸਨ। ਇਹਨਾਂ ਦਾ ਆਧਾਰ **ਗਿਆਨ ਅਧਾਰ** ਸੀ ਜੋ ਇੱਕ ਜਾਂ ਵੱਧ ਮਨੁੱਖੀ ਮਾਹਰਾਂ ਤੋਂ ਕੱਢਿਆ ਗਿਆ ਸੀ, ਅਤੇ ਇਹਨਾਂ ਵਿੱਚ ਇੱਕ **ਤਰਕ ਇੰਜਣ** ਸੀ ਜੋ ਇਸ 'ਤੇ ਕੁਝ ਤਰਕ ਕਰਦਾ ਸੀ।
|
||||
|
||||
 | 
|
||||
 | 
|
||||
---------------------------------------------|------------------------------------------------
|
||||
ਮਨੁੱਖੀ ਨਰਵ ਪ੍ਰਣਾਲੀ ਦੀ ਸਰਲ ਰਚਨਾ | ਗਿਆਨ-ਅਧਾਰਤ ਪ੍ਰਣਾਲੀ ਦੀ ਆਰਕੀਟੈਕਚਰ
|
||||
|
||||
|
|
@ -106,7 +106,7 @@ Block Syntax | Indent | | |
|
|||
|
||||
ਉਦਾਹਰਣ ਵਜੋਂ, ਆਓ ਹੇਠਾਂ ਦਿੱਤੀ ਮਾਹਰ ਪ੍ਰਣਾਲੀ ਨੂੰ ਵੇਖੀਏ ਜੋ ਕਿਸੇ ਜਾਨਵਰ ਨੂੰ ਇਸਦੇ ਭੌਤਿਕ ਲੱਛਣਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ:
|
||||
|
||||
|
||||
|
||||
|
||||
> ਚਿੱਤਰ [Dmitry Soshnikov](http://soshnikov.com) ਦੁਆਰਾ
|
||||
|
||||
|
|
|
|||
|
|
@ -1255,7 +1255,7 @@
|
|||
"* ਘੱਟ ਸਿਖਲਾਈ ਨੁਕਸਾਨ - ਮਾਡਲ ਸਿਖਲਾਈ ਡਾਟਾ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਅਨੁਕੂਲ ਕਰ ਸਕਦਾ ਹੈ, ਕਿਉਂਕਿ ਇਸਦੇ ਕੋਲ ਕਾਫ਼ੀ ਅਭਿਵੈਕਤਮਕ ਸ਼ਕਤੀ ਹੁੰਦੀ ਹੈ।\n",
|
||||
"* ਵੈਲੀਡੇਸ਼ਨ ਨੁਕਸਾਨ ਸਿਖਲਾਈ ਨੁਕਸਾਨ ਨਾਲੋਂ ਕਾਫ਼ੀ ਵੱਧ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਸਿਖਲਾਈ ਦੌਰਾਨ ਵਧਣਾ ਸ਼ੁਰੂ ਕਰ ਸਕਦਾ ਹੈ - ਇਹ ਇਸ ਲਈ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ ਮਾਡਲ \"ਸਿਖਲਾਈ ਬਿੰਦੂਆਂ\" ਨੂੰ ਯਾਦ ਕਰ ਲੈਂਦਾ ਹੈ ਅਤੇ \"ਕੁੱਲ ਤਸਵੀਰ\" ਨੂੰ ਗੁਆ ਲੈਂਦਾ ਹੈ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"> ਇਸ ਤਸਵੀਰ ਵਿੱਚ, `x` ਸਿਖਲਾਈ ਡਾਟਾ ਲਈ ਹੈ, `o` - ਵੈਲੀਡੇਸ਼ਨ ਡਾਟਾ ਲਈ। ਖੱਬੇ ਪਾਸੇ - ਰੇਖੀ ਮਾਡਲ (ਇੱਕ-ਪਰਤ), ਇਹ ਡਾਟਾ ਦੀ ਕੁਦਰਤ ਨੂੰ ਕਾਫ਼ੀ ਚੰਗੇ ਤਰੀਕੇ ਨਾਲ ਅਨੁਕੂਲ ਕਰਦਾ ਹੈ। ਸੱਜੇ ਪਾਸੇ - ਓਵਰਫਿਟ ਮਾਡਲ, ਮਾਡਲ ਸਿਖਲਾਈ ਡਾਟਾ ਨੂੰ ਬਿਲਕੁਲ ਸਹੀ ਤਰੀਕੇ ਨਾਲ ਅਨੁਕੂਲ ਕਰਦਾ ਹੈ, ਪਰ ਕਿਸੇ ਹੋਰ ਡਾਟਾ ਨਾਲ (ਵੈਲੀਡੇਸ਼ਨ ਗਲਤੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ) ਸਮਝ ਨਹੀਂ ਬਣਾਉਂਦਾ।\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -58,7 +58,7 @@ High-level API| [Keras](IntroKeras.ipynb) | *PyTorch Lightning*
|
|||
|
||||
ਹੇਠਾਂ ਦਿੱਤੇ ਸਮੱਸਿਆ ਨੂੰ ਵਿਚਾਰੋ ਜਿਸ ਵਿੱਚ 5 ਬਿੰਦੂਆਂ ਨੂੰ ਅਨੁਮਾਨਿਤ ਕਰਨਾ ਹੈ (ਗ੍ਰਾਫ ਵਿੱਚ `x` ਨਾਲ ਦਰਸਾਇਆ ਗਿਆ ਹੈ):
|
||||
|
||||
 | 
|
||||
 | 
|
||||
-------------------------|--------------------------
|
||||
**ਲਿਨੀਅਰ ਮਾਡਲ, 2 ਪੈਰਾਮੀਟਰ** | **ਨਾਨ-ਲਿਨੀਅਰ ਮਾਡਲ, 7 ਪੈਰਾਮੀਟਰ**
|
||||
ਟ੍ਰੇਨਿੰਗ ਐਰਰ = 5.3 | ਟ੍ਰੇਨਿੰਗ ਐਰਰ = 0
|
||||
|
|
@ -79,7 +79,7 @@ High-level API| [Keras](IntroKeras.ipynb) | *PyTorch Lightning*
|
|||
|
||||
ਜਿਵੇਂ ਕਿ ਉੱਪਰ ਦਿੱਤੇ ਗ੍ਰਾਫ ਤੋਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਓਵਰਫਿਟਿੰਗ ਦੀ ਪਛਾਣ ਬਹੁਤ ਘੱਟ ਟ੍ਰੇਨਿੰਗ ਐਰਰ ਅਤੇ ਉੱਚੇ ਵੈਲੀਡੇਸ਼ਨ ਐਰਰ ਦੁਆਰਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਆਮ ਤੌਰ 'ਤੇ ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ ਅਸੀਂ ਦੋਵੇਂ ਟ੍ਰੇਨਿੰਗ ਅਤੇ ਵੈਲੀਡੇਸ਼ਨ ਐਰਰ ਨੂੰ ਘਟਦੇ ਹੋਏ ਦੇਖਾਂਗੇ, ਅਤੇ ਫਿਰ ਕਿਸੇ ਸਮੇਂ ਵੈਲੀਡੇਸ਼ਨ ਐਰਰ ਘਟਣਾ ਬੰਦ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਵਧਣਾ ਸ਼ੁਰੂ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਓਵਰਫਿਟਿੰਗ ਦਾ ਸੰਕੇਤ ਹੋਵੇਗਾ, ਅਤੇ ਇਹ ਦਰਸਾਵੇਗਾ ਕਿ ਸਾਨੂੰ ਇਸ ਸਮੇਂ ਟ੍ਰੇਨਿੰਗ ਰੋਕ ਦੇਣੀ ਚਾਹੀਦੀ ਹੈ (ਜਾਂ ਘੱਟੋ-ਘੱਟ ਮਾਡਲ ਦਾ ਸਨੈਪਸ਼ਾਟ ਲੈਣਾ ਚਾਹੀਦਾ ਹੈ)।
|
||||
|
||||
|
||||
|
||||
|
||||
## ਓਵਰਫਿਟਿੰਗ ਨੂੰ ਰੋਕਣ ਦੇ ਤਰੀਕੇ
|
||||
|
||||
|
|
|
|||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# ਨਿਊਰਲ ਨੈੱਟਵਰਕਸ ਦਾ ਪਰਿਚਯ
|
||||
|
||||
|
||||
|
||||
|
||||
ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਪਰਿਚਯ ਵਿੱਚ ਚਰਚਾ ਕੀਤੀ ਸੀ, ਬੁੱਧੀ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਤਰੀਕਾ **ਕੰਪਿਊਟਰ ਮਾਡਲ** ਜਾਂ ਇੱਕ **ਕ੍ਰਿਤ੍ਰਿਮ ਦਿਮਾਗ** ਨੂੰ ਸਿਖਲਾਈ ਦੇਣਾ ਹੈ। 20ਵੀਂ ਸਦੀ ਦੇ ਮੱਧ ਤੋਂ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਵੱਖ-ਵੱਖ ਗਣਿਤ ਮਾਡਲਾਂ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ, ਜਦੋਂ ਤੱਕ ਕਿ ਹਾਲੀਆ ਸਾਲਾਂ ਵਿੱਚ ਇਹ ਦਿਸ਼ਾ ਬਹੁਤ ਸਫਲ ਸਾਬਤ ਨਹੀਂ ਹੋਈ। ਦਿਮਾਗ ਦੇ ਅਜਿਹੇ ਗਣਿਤ ਮਾਡਲਾਂ ਨੂੰ **ਨਿਊਰਲ ਨੈੱਟਵਰਕਸ** ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
|
||||
|
||||
|
|
@ -36,13 +36,13 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
ਜੀਵ ਵਿਗਿਆਨ ਤੋਂ, ਅਸੀਂ ਜਾਣਦੇ ਹਾਂ ਕਿ ਸਾਡਾ ਦਿਮਾਗ ਨਿਊਰਲ ਸੈਲ (ਨਿਊਰੋਨ) ਤੋਂ ਬਣਿਆ ਹੁੰਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਹਰ ਇੱਕ ਦੇ ਕਈ "ਇਨਪੁੱਟ" (ਡੈਂਡਰਾਈਟਸ) ਅਤੇ ਇੱਕ "ਆਉਟਪੁੱਟ" (ਐਕਸੋਨ) ਹੁੰਦੇ ਹਨ। ਡੈਂਡਰਾਈਟਸ ਅਤੇ ਐਕਸੋਨ ਦੋਵੇਂ ਬਿਜਲਈ ਸੰਕੇਤਾਂ ਨੂੰ ਚਲਾਉਣ ਦੇ ਯੋਗ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਵਿਚਕਾਰ ਦੇ ਸੰਪਰਕ — ਜਿਨ੍ਹਾਂ ਨੂੰ ਸਿਨੈਪਸ ਕਿਹਾ ਜਾਂਦਾ ਹੈ — ਵੱਖ-ਵੱਖ ਪੱਧਰ ਦੀ ਚਾਲਕਤਾ ਦਿਖਾ ਸਕਦੇ ਹਨ, ਜੋ ਨਿਊਰੋਟ੍ਰਾਂਸਮੀਟਰਾਂ ਦੁਆਰਾ ਨਿਯੰਤਰਿਤ ਹੁੰਦੀ ਹੈ।
|
||||
|
||||
 | 
|
||||
 | 
|
||||
----|----
|
||||
ਅਸਲੀ ਨਿਊਰੋਨ *([ਵਿਕੀਪੀਡੀਆ ਤੋਂ ਚਿੱਤਰ](https://en.wikipedia.org/wiki/Synapse#/media/File:SynapseSchematic_lines.svg))* | ਕ੍ਰਿਤ੍ਰਿਮ ਨਿਊਰੋਨ *(ਲੇਖਕ ਦੁਆਰਾ ਚਿੱਤਰ)*
|
||||
|
||||
ਇਸ ਤਰ੍ਹਾਂ, ਨਿਊਰੋਨ ਦਾ ਸਭ ਤੋਂ ਸਧਾਰਨ ਗਣਿਤ ਮਾਡਲ ਕਈ ਇਨਪੁੱਟ X<sub>1</sub>, ..., X<sub>N</sub> ਅਤੇ ਇੱਕ ਆਉਟਪੁੱਟ Y, ਅਤੇ ਕਈ ਵਜ਼ਨ W<sub>1</sub>, ..., W<sub>N</sub> ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਆਉਟਪੁੱਟ ਇਸ ਤਰ੍ਹਾਂ ਗਣਨਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ:
|
||||
|
||||
<img src="../../../../translated_images/netout.1eb15eb76fd767313e067719f400cec4b0e5090239c3e997c29f6789d4c3c263.pa.png" alt="Y = f\left(\sum_{i=1}^N X_iW_i\right)" width="131" height="53" align="center"/>
|
||||
<img src="../../../../translated_images/netout.1eb15eb76fd76731.pa.png" alt="Y = f\left(\sum_{i=1}^N X_iW_i\right)" width="131" height="53" align="center"/>
|
||||
|
||||
ਜਿੱਥੇ f ਕੁਝ ਗੈਰ-ਰੇਖਿਕ **ਐਕਟੀਵੇਸ਼ਨ ਫੰਕਸ਼ਨ** ਹੈ।
|
||||
|
||||
|
|
|
|||
|
|
@ -73,14 +73,14 @@ im = cv2.cvtColor(im,cv2.COLOR_BGR2RGB)
|
|||
|
||||
* **ਬ੍ਰੇਲ ਬੁੱਕ ਦੀ ਤਸਵੀਰ ਦੀ ਪ੍ਰੀ-ਪ੍ਰੋਸੈਸਿੰਗ**। ਅਸੀਂ ਧਿਆਨ ਦਿੰਦੇ ਹਾਂ ਕਿ ਕਿਵੇਂ ਅਸੀਂ thresholding, feature detection, perspective transformation ਅਤੇ NumPy ਮੈਨਿਪੂਲੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਿਅਕਤੀਗਤ ਬ੍ਰੇਲ ਚਿੰਨ੍ਹਾਂ ਨੂੰ neural network ਦੁਆਰਾ ਹੋਰ ਵਰਗੀਕਰਨ ਲਈ ਵੱਖ ਕਰ ਸਕਦੇ ਹਾਂ।
|
||||
|
||||
 |  | 
|
||||
 |  | 
|
||||
----|-----|-----
|
||||
|
||||
> ਚਿੱਤਰ [OpenCV.ipynb](OpenCV.ipynb) ਤੋਂ
|
||||
|
||||
* **ਫਰੇਮ ਡਿਫਰੈਂਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵੀਡੀਓ ਵਿੱਚ ਗਤੀ ਪਛਾਣਣਾ**। ਜੇਕਰ ਕੈਮਰਾ ਸਥਿਰ ਹੈ, ਤਾਂ ਕੈਮਰੇ ਫੀਡ ਤੋਂ ਫਰੇਮ ਇੱਕ ਦੂਜੇ ਨਾਲ ਕਾਫ਼ੀ ਮਿਲਦੇ-ਜੁਲਦੇ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ। ਕਿਉਂਕਿ ਫਰੇਮ ਐਰੇ ਵਜੋਂ ਦਰਸਾਏ ਜਾਂਦੇ ਹਨ, ਸਿਰਫ਼ ਉਹਨਾਂ ਐਰੇਜ਼ ਨੂੰ ਦੋ ਲਗਾਤਾਰ ਫਰੇਮਾਂ ਲਈ ਘਟਾ ਕੇ ਅਸੀਂ ਪਿਕਸਲ ਡਿਫਰੈਂਸ ਪ੍ਰਾਪਤ ਕਰਾਂਗੇ, ਜੋ ਸਥਿਰ ਫਰੇਮਾਂ ਲਈ ਘੱਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਚਿੱਤਰ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਗਤੀ ਹੋਣ 'ਤੇ ਵਧ ਜਾਵੇਗਾ।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਚਿੱਤਰ [OpenCV.ipynb](OpenCV.ipynb) ਤੋਂ
|
||||
|
||||
|
|
@ -89,7 +89,7 @@ im = cv2.cvtColor(im,cv2.COLOR_BGR2RGB)
|
|||
- **Dense Optical Flow** ਹਰ ਪਿਕਸਲ ਲਈ ਵੇਕਟਰ ਫੀਲਡ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ ਜੋ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਇਹ ਕਿੱਥੇ ਹਿਲ ਰਿਹਾ ਹੈ।
|
||||
- **Sparse Optical Flow** ਚਿੱਤਰ ਵਿੱਚ ਕੁਝ ਵਿਸ਼ੇਸ਼ ਲੱਛਣ (ਜਿਵੇਂ ਕਿ edges) ਲੈਣ 'ਤੇ ਅਧਾਰਿਤ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਫਰੇਮ ਤੋਂ ਫਰੇਮ ਤੱਕ ਉਹਨਾਂ ਦੀ ਰਾਹ ਬਣਾਉਂਦਾ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਚਿੱਤਰ [OpenCV.ipynb](OpenCV.ipynb) ਤੋਂ
|
||||
|
||||
|
|
|
|||
|
|
@ -13,11 +13,11 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
VGG-16 ਇੱਕ ਨੈਟਵਰਕ ਹੈ ਜਿਸ ਨੇ 2014 ਵਿੱਚ ImageNet top-5 ਵਰਗੀਕਰਨ ਵਿੱਚ 92.7% ਸਹੀਤਾ ਹਾਸਲ ਕੀਤੀ। ਇਸ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੇ ਲੇਅਰ ਸਟ੍ਰਕਚਰ ਹਨ:
|
||||
|
||||
|
||||
|
||||
|
||||
ਜਿਵੇਂ ਤੁਸੀਂ ਦੇਖ ਸਕਦੇ ਹੋ, VGG ਇੱਕ ਪਰੰਪਰਾਗਤ ਪਿਰਾਮਿਡ ਆਰਕੀਟੈਕਚਰ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਕਨਵੋਲੂਸ਼ਨ-ਪੂਲਿੰਗ ਲੇਅਰਾਂ ਦੀ ਲੜੀ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਚਿੱਤਰ [Researchgate](https://www.researchgate.net/figure/Vgg16-model-structure-To-get-the-VGG-NIN-model-we-replace-the-2-nd-4-th-6-th-7-th_fig2_335194493) ਤੋਂ
|
||||
|
||||
|
|
|
|||
|
|
@ -262,7 +262,7 @@
|
|||
"\n",
|
||||
"ਇਸ ਤਰ੍ਹਾਂ, ਇੱਕ ਆਮ CNN ਵਿੱਚ ਕਈ ਕਨਵੋਲੂਸ਼ਨਲ ਲੇਅਰ ਹੁੰਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਦੇ ਵਿਚਕਾਰ ਪੂਲਿੰਗ ਲੇਅਰ ਹੁੰਦੇ ਹਨ ਜੋ ਤਸਵੀਰ ਦੇ ਆਕਾਰ ਨੂੰ ਘਟਾਉਂਦੇ ਹਨ। ਅਸੀਂ ਫਿਲਟਰਾਂ ਦੀ ਗਿਣਤੀ ਵੀ ਵਧਾਉਂਦੇ ਹਾਂ, ਕਿਉਂਕਿ ਜਿਵੇਂ ਪੈਟਰਨ ਹੋਰ ਅਡਵਾਂਸਡ ਹੁੰਦੇ ਹਨ - ਸਾਨੂੰ ਵੇਖਣ ਲਈ ਹੋਰ ਸੰਭਾਵਤ ਦਿਲਚਸਪ ਕੌਂਬੀਨੇਸ਼ਨ ਹੁੰਦੇ ਹਨ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"ਸਪੇਸ਼ਲ ਡਾਈਮੇੰਸ਼ਨ ਘਟਣ ਅਤੇ ਫੀਚਰ/ਫਿਲਟਰ ਡਾਈਮੇੰਸ਼ਨ ਵਧਣ ਦੇ ਕਾਰਨ, ਇਸ ਆਰਕੀਟੈਕਚਰ ਨੂੰ **ਪਿਰਾਮਿਡ ਆਰਕੀਟੈਕਚਰ** ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -360,7 +360,7 @@
|
|||
"\n",
|
||||
"ਇਸ ਤਰ੍ਹਾਂ, ਇੱਕ ਆਮ CNN ਵਿੱਚ ਕਈ ਕਨਵੋਲੂਸ਼ਨਲ ਲੇਅਰ ਹੁੰਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਦੇ ਵਿਚਕਾਰ ਪੂਲਿੰਗ ਲੇਅਰ ਹੁੰਦੇ ਹਨ ਜੋ ਤਸਵੀਰ ਦੇ ਆਕਾਰ ਨੂੰ ਘਟਾਉਂਦੇ ਹਨ। ਅਸੀਂ ਫਿਲਟਰਾਂ ਦੀ ਗਿਣਤੀ ਵੀ ਵਧਾਉਂਦੇ ਹਾਂ, ਕਿਉਂਕਿ ਜਿਵੇਂ ਪੈਟਰਨ ਹੋਰ ਅਡਵਾਂਸਡ ਬਣਦੇ ਹਨ - ਸਾਨੂੰ ਭਾਲਣ ਲਈ ਹੋਰ ਸੰਭਾਵਿਤ ਦਿਲਚਸਪ ਸੰਯੋਜਨ ਮਿਲਦੇ ਹਨ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"ਸਪੇਸ਼ਲ ਡਾਈਮੇੰਸ਼ਨ ਘਟਣ ਅਤੇ ਫੀਚਰ/ਫਿਲਟਰ ਡਾਈਮੇੰਸ਼ਨ ਵਧਣ ਦੇ ਕਾਰਨ, ਇਸ ਆਰਕੀਟੈਕਚਰ ਨੂੰ **ਪਿਰਾਮਿਡ ਆਰਕੀਟੈਕਚਰ** ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -17,7 +17,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
ਪੈਟਰਨਜ਼ ਨੂੰ ਕੱਢਣ ਲਈ, ਅਸੀਂ **ਕਨਵੋਲੂਸ਼ਨਲ ਫਿਲਟਰਜ਼** ਦੀ ਧਾਰਨਾ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ। ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਜਾਣਦੇ ਹੋ, ਇੱਕ ਚਿੱਤਰ ਨੂੰ 2D-ਮੈਟ੍ਰਿਕਸ ਜਾਂ ਰੰਗ ਦੀ ਗਹਿਰਾਈ ਵਾਲੇ 3D-ਟੈਂਸਰ ਦੁਆਰਾ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ। ਫਿਲਟਰ ਲਾਗੂ ਕਰਨ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਅਸੀਂ ਇੱਕ ਛੋਟੀ **ਫਿਲਟਰ ਕਰਨਲ** ਮੈਟ੍ਰਿਕਸ ਲੈਂਦੇ ਹਾਂ, ਅਤੇ ਮੂਲ ਚਿੱਤਰ ਵਿੱਚ ਹਰ ਪਿਕਸਲ ਲਈ ਅਸੀਂ ਪੜੋਸੀ ਬਿੰਦੂਆਂ ਨਾਲ ਵਜ਼ਨੀ ਔਸਤ ਦੀ ਗਣਨਾ ਕਰਦੇ ਹਾਂ। ਅਸੀਂ ਇਸਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਦੇਖ ਸਕਦੇ ਹਾਂ ਕਿ ਇੱਕ ਛੋਟੀ ਵਿੰਡੋ ਸਾਰੇ ਚਿੱਤਰ 'ਤੇ ਸਲਾਈਡ ਕਰ ਰਹੀ ਹੈ, ਅਤੇ ਫਿਲਟਰ ਕਰਨਲ ਮੈਟ੍ਰਿਕਸ ਵਿੱਚ ਵਜ਼ਨਾਂ ਦੇ ਅਨੁਸਾਰ ਸਾਰੇ ਪਿਕਸਲਾਂ ਨੂੰ ਔਸਤ ਕਰ ਰਹੀ ਹੈ।
|
||||
|
||||
 | 
|
||||
 | 
|
||||
----|----
|
||||
|
||||
> ਚਿੱਤਰ: ਦਿਮਿਤਰੀ ਸੋਸ਼ਨਿਕੋਵ
|
||||
|
|
@ -38,7 +38,7 @@ CNNs ਦੇ ਕੰਮ ਕਰਨ ਦਾ ਤਰੀਕਾ ਹੇਠਾਂ ਦਿੱ
|
|||
* ਅਸੀਂ ਨੈਟਵਰਕ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਡਿਜ਼ਾਈਨ ਕਰ ਸਕਦੇ ਹਾਂ ਕਿ ਫਿਲਟਰਜ਼ ਆਪਣੇ ਆਪ ਸਿੱਖੇ ਜਾਣ
|
||||
* ਅਸੀਂ ਇਹੀ ਤਰੀਕਾ ਉੱਚ-ਸਤਰ ਦੇ ਫੀਚਰਜ਼ ਵਿੱਚ ਪੈਟਰਨਜ਼ ਲੱਭਣ ਲਈ ਵਰਤ ਸਕਦੇ ਹਾਂ, ਨਾ ਕਿ ਸਿਰਫ਼ ਮੂਲ ਚਿੱਤਰ ਵਿੱਚ। ਇਸ ਤਰ੍ਹਾਂ CNN ਫੀਚਰ ਕੱਢਣ ਦਾ ਕੰਮ ਫੀਚਰਜ਼ ਦੀ ਹਾਇਰਾਰਕੀ 'ਤੇ ਹੁੰਦਾ ਹੈ, ਜੋ ਨੀਚਲੇ-ਸਤਰ ਦੇ ਪਿਕਸਲ ਸੰਯੋਜਨਾਂ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਚਿੱਤਰ ਦੇ ਹਿੱਸਿਆਂ ਦੇ ਉੱਚ-ਸਤਰ ਦੇ ਸੰਯੋਜਨ ਤੱਕ ਪਹੁੰਚਦਾ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਚਿੱਤਰ: [ਹਿਸਲੋਪ-ਲਿੰਚ ਦੇ ਪੇਪਰ](https://www.semanticscholar.org/paper/Computer-vision-based-pedestrian-trajectory-Hislop-Lynch/26e6f74853fc9bbb7487b06dc2cf095d36c9021d) ਤੋਂ, [ਉਨ੍ਹਾਂ ਦੇ ਰਿਸਰਚ](https://dl.acm.org/doi/abs/10.1145/1553374.1553453) ਦੇ ਆਧਾਰ 'ਤੇ
|
||||
|
||||
|
|
@ -55,9 +55,9 @@ CNNs ਦੇ ਕੰਮ ਕਰਨ ਦਾ ਤਰੀਕਾ ਹੇਠਾਂ ਦਿੱ
|
|||
|
||||
ਉਦਾਹਰਣ ਵਜੋਂ, ਆਓ VGG-16 ਦੀ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਦੇਖੀਏ, ਇੱਕ ਨੈਟਵਰਕ ਜਿਸ ਨੇ 2014 ਵਿੱਚ ImageNet ਦੇ ਟਾਪ-5 ਵਰਗੀਕਰਨ ਵਿੱਚ 92.7% ਸਹੀਤਾ ਪ੍ਰਾਪਤ ਕੀਤੀ:
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
> ਚਿੱਤਰ: [ਰਿਸਰਚਗੇਟ](https://www.researchgate.net/figure/Vgg16-model-structure-To-get-the-VGG-NIN-model-we-replace-the-2-nd-4-th-6-th-7-th_fig2_335194493) ਤੋਂ
|
||||
|
||||
|
|
|
|||
|
|
@ -21,7 +21,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
ਅਸੀਂ [Oxford-IIIT Pet Dataset](https://www.robots.ox.ac.uk/~vgg/data/pets/) ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ, ਜਿਸ ਵਿੱਚ ਕੁੱਤਿਆਂ ਅਤੇ ਬਿੱਲੀਆਂ ਦੀਆਂ 37 ਵੱਖ-ਵੱਖ ਬਰੀਡਾਂ ਦੀਆਂ ਤਸਵੀਰਾਂ ਸ਼ਾਮਲ ਹਨ।
|
||||
|
||||
|
||||
|
||||
|
||||
ਡੇਟਾਸੈਟ ਡਾਊਨਲੋਡ ਕਰਨ ਲਈ, ਇਸ ਕੋਡ ਸਨਿੱਪਟ ਦੀ ਵਰਤੋਂ ਕਰੋ:
|
||||
|
||||
|
|
|
|||
|
|
@ -50,7 +50,7 @@
|
|||
"\n",
|
||||
"ਆਦਰਸ਼ ਬਿੱਲੀ ਨੂੰ ਦਿਖਾਉਣ ਲਈ, ਅਸੀਂ ਇੱਕ ਰੈਂਡਮ ਸ਼ੋਰ ਵਾਲੀ ਤਸਵੀਰ ਨਾਲ ਸ਼ੁਰੂ ਕਰਾਂਗੇ ਅਤੇ ਗ੍ਰੇਡੀਅੰਟ ਡਿਸੈਂਟ ਅਨੁਕੂਲਤਾ ਤਕਨੀਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਤਸਵੀਰ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਬਦਲਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਾਂਗੇ ਕਿ ਨੈੱਟਵਰਕ ਬਿੱਲੀ ਨੂੰ ਪਛਾਣ ਸਕੇ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"ਇਹ ਸਾਡੀ ਸ਼ੁਰੂਆਤੀ ਤਸਵੀਰ ਹੈ:\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -29,7 +29,7 @@ Keras ਅਤੇ PyTorch ਵਿੱਚ ਕੁਝ ਆਮ ਆਰਕੀਟੈਕਚ
|
|||
|
||||
ਇੱਥੇ VGG-16 ਨੈਟਵਰਕ ਦੁਆਰਾ ਇੱਕ ਬਿੱਲੀ ਦੀ ਤਸਵੀਰ ਤੋਂ ਕਾਢੇ ਗਏ ਫੀਚਰਾਂ ਦੇ ਨਮੂਨੇ ਹਨ:
|
||||
|
||||
|
||||
|
||||
|
||||
## ਬਿੱਲੀਆਂ ਵਸੋਂ ਕੁੱਤੇ ਡਾਟਾਸੈਟ
|
||||
|
||||
|
|
@ -48,19 +48,19 @@ Keras ਅਤੇ PyTorch ਵਿੱਚ ਕੁਝ ਆਮ ਆਰਕੀਟੈਕਚ
|
|||
|
||||
ਇੱਕ ਪਹੁੰਚ ਜੋ ਅਸੀਂ ਅਪਣਾਉ ਸਕਦੇ ਹਾਂ ਉਹ ਹੈ ਇੱਕ ਰੈਂਡਮ ਚਿੱਤਰ ਨਾਲ ਸ਼ੁਰੂ ਕਰਨਾ, ਅਤੇ ਫਿਰ **ਗ੍ਰੇਡੀਅੰਟ ਡਿਸੈਂਟ ਓਪਟੀਮਾਈਜ਼ੇਸ਼ਨ** ਤਕਨੀਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉਸ ਚਿੱਤਰ ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਢਾਲਣਾ, ਕਿ ਨੈਟਵਰਕ ਇਹ ਸੋਚਣ ਲੱਗੇ ਕਿ ਇਹ ਬਿੱਲੀ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
ਹਾਲਾਂਕਿ, ਜੇ ਅਸੀਂ ਇਹ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਸਾਨੂੰ ਕੁਝ ਬਹੁਤ ਹੀ ਰੈਂਡਮ ਸ਼ੋਰ ਵਰਗਾ ਮਿਲੇਗਾ। ਇਹ ਇਸ ਲਈ ਹੈ ਕਿ *ਨੈਟਵਰਕ ਨੂੰ ਇਹ ਸੋਚਣ ਲਈ ਬਹੁਤ ਸਾਰੇ ਤਰੀਕੇ ਹਨ ਕਿ ਇਨਪੁਟ ਚਿੱਤਰ ਬਿੱਲੀ ਹੈ*, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਕੁਝ ਵਿਜ਼ੁਅਲ ਤੌਰ 'ਤੇ ਸਮਝਦਾਰ ਨਹੀਂ ਹਨ। ਜਦੋਂ ਕਿ ਉਹ ਚਿੱਤਰ ਬਿੱਲੀ ਲਈ ਆਮ ਪੈਟਰਨਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ, ਉਨ੍ਹਾਂ ਨੂੰ ਵਿਜ਼ੁਅਲ ਤੌਰ 'ਤੇ ਵੱਖਰੇ ਹੋਣ ਲਈ ਕੁਝ ਵੀ ਬਾਧਾ ਨਹੀਂ ਹੈ।
|
||||
|
||||
ਨਤੀਜੇ ਨੂੰ ਸੁਧਾਰਨ ਲਈ, ਅਸੀਂ ਲਾਸ ਫੰਕਸ਼ਨ ਵਿੱਚ ਇੱਕ ਹੋਰ ਟਰਮ ਸ਼ਾਮਲ ਕਰ ਸਕਦੇ ਹਾਂ, ਜਿਸ ਨੂੰ **ਵੈਰੀਏਸ਼ਨ ਲਾਸ** ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਇੱਕ ਮੈਟ੍ਰਿਕ ਹੈ ਜੋ ਦਿਖਾਉਂਦੀ ਹੈ ਕਿ ਚਿੱਤਰ ਦੇ ਪੜੋਸੀ ਪਿਕਸਲ ਕਿੰਨੇ ਸਮਾਨ ਹਨ। ਵੈਰੀਏਸ਼ਨ ਲਾਸ ਨੂੰ ਘਟਾਉਣ ਨਾਲ ਚਿੱਤਰ ਸਮੂਥ ਬਣਦਾ ਹੈ, ਅਤੇ ਸ਼ੋਰ ਨੂੰ ਦੂਰ ਕਰਦਾ ਹੈ - ਇਸ ਤਰ੍ਹਾਂ ਵਧੇਰੇ ਵਿਜ਼ੁਅਲ ਤੌਰ 'ਤੇ ਆਕਰਸ਼ਕ ਪੈਟਰਨਾਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ। ਇੱਥੇ ਉਹ "ਆਦਰਸ਼" ਚਿੱਤਰਾਂ ਦੇ ਉਦਾਹਰਨ ਹਨ, ਜੋ ਬਿੱਲੀ ਅਤੇ ਜ਼ੈਬਰਾ ਵਜੋਂ ਉੱਚ ਸੰਭਾਵਨਾ ਨਾਲ ਕਲਾਸੀਫਾਈ ਕੀਤੇ ਗਏ ਹਨ:
|
||||
|
||||
 | 
|
||||
 | 
|
||||
-----|-----
|
||||
*ਆਦਰਸ਼ ਬਿੱਲੀ* | *ਆਦਰਸ਼ ਜ਼ੈਬਰਾ*
|
||||
|
||||
ਇਹੀ ਪਹੁੰਚ **ਐਡਵਰਸਰੀਅਲ ਅਟੈਕਸ** ਕਰਨ ਲਈ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਮੰਨ ਲਓ ਕਿ ਅਸੀਂ ਨਿਊਰਲ ਨੈਟਵਰਕ ਨੂੰ ਬੇਵਕੂਫ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹਾਂ ਅਤੇ ਕੁੱਤੇ ਨੂੰ ਬਿੱਲੀ ਵਜੋਂ ਦਿਖਾਉਣਾ ਚਾਹੁੰਦੇ ਹਾਂ। ਜੇਕਰ ਅਸੀਂ ਕੁੱਤੇ ਦੀ ਤਸਵੀਰ ਲੈਂਦੇ ਹਾਂ, ਜਿਸਨੂੰ ਨੈਟਵਰਕ ਦੁਆਰਾ ਕੁੱਤੇ ਵਜੋਂ ਪਛਾਣਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਅਸੀਂ ਇਸਨੂੰ ਥੋੜ੍ਹਾ ਜਿਹਾ ਢਾਲ ਸਕਦੇ ਹਾਂ **ਗ੍ਰੇਡੀਅੰਟ ਡਿਸੈਂਟ ਓਪਟੀਮਾਈਜ਼ੇਸ਼ਨ** ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਜਦੋਂ ਤੱਕ ਨੈਟਵਰਕ ਇਸਨੂੰ ਬਿੱਲੀ ਵਜੋਂ ਕਲਾਸੀਫਾਈ ਕਰਨਾ ਸ਼ੁਰੂ ਨਹੀਂ ਕਰਦਾ:
|
||||
|
||||
 | 
|
||||
 | 
|
||||
-----|-----
|
||||
*ਕੁੱਤੇ ਦੀ ਮੂਲ ਤਸਵੀਰ* | *ਕੁੱਤੇ ਦੀ ਤਸਵੀਰ ਜੋ ਬਿੱਲੀ ਵਜੋਂ ਕਲਾਸੀਫਾਈ ਕੀਤੀ ਗਈ ਹੈ*
|
||||
|
||||
|
|
|
|||
|
|
@ -21,7 +21,7 @@
|
|||
"\n",
|
||||
"ਕਿਉਂਕਿ ਅਸੀਂ ਆਟੋਇੰਕੋਡਰ ਨੂੰ ਮੂਲ ਤਸਵੀਰ ਤੋਂ ਜਿੰਨੀ ਜ਼ਿਆਦਾ ਜਾਣਕਾਰੀ ਲੈ ਸਕੇ, ਉਤਨੀ ਸਹੀ ਰੀਕੰਸਟਰਕਸ਼ਨ ਲਈ ਟ੍ਰੇਨ ਕਰ ਰਹੇ ਹਾਂ, ਨੈਟਵਰਕ ਇਨਪੁਟ ਤਸਵੀਰਾਂ ਦੀ ਸਭ ਤੋਂ ਵਧੀਆ **ਐਮਬੈਡਿੰਗ** ਲੱਭਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਅਸਲ ਮਤਲਬ ਨੂੰ ਕੈਪਚਰ ਕੀਤਾ ਜਾ ਸਕੇ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"> ਤਸਵੀਰ [Keras ਬਲੌਗ](https://blog.keras.io/building-autoencoders-in-keras.html) ਤੋਂ\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -19,7 +19,7 @@
|
|||
"\n",
|
||||
"ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਆਟੋਇੰਕੋਡਰ ਨੂੰ ਮੂਲ ਚਿੱਤਰ ਤੋਂ ਜਿੰਨੀ ਜ਼ਿਆਦਾ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰ ਸਕੀਏ, ਉਸਨੂੰ ਸਹੀ ਤਰੀਕੇ ਨਾਲ ਮੁੜ ਬਣਾਉਣ ਲਈ ਟ੍ਰੇਨ ਕਰ ਰਹੇ ਹਾਂ, ਨੈਟਵਰਕ ਇਨਪੁਟ ਚਿੱਤਰਾਂ ਦੀ ਸਭ ਤੋਂ ਵਧੀਆ **ਐਮਬੈਡਿੰਗ** ਲੱਭਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਅਸਲ ਮਤਲਬ ਨੂੰ ਕੈਪਚਰ ਕੀਤਾ ਜਾ ਸਕੇ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*ਚਿੱਤਰ [Keras ਬਲੌਗ](https://blog.keras.io/building-autoencoders-in-keras.html) ਤੋਂ*\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -19,7 +19,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
ਜਦੋਂ ਅਸੀਂ ਆਟੋਇਨਕੋਡਰ ਨੂੰ ਮੂਲ ਚਿੱਤਰ ਤੋਂ ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਜਾਣਕਾਰੀ ਕੈਪਚਰ ਕਰ ਸਕਦੇ ਹਾਂ ਉਸ ਲਈ ਟ੍ਰੇਨ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਕਿ ਸਹੀ ਰੀਕੰਸਟ੍ਰਕਸ਼ਨ ਹੋ ਸਕੇ, ਨੈਟਵਰਕ ਇਨਪੁਟ ਚਿੱਤਰਾਂ ਦੀ **embedding** ਨੂੰ ਕੈਪਚਰ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਚਿੱਤਰ [Keras ਬਲੌਗ](https://blog.keras.io/building-autoencoders-in-keras.html) ਤੋਂ
|
||||
|
||||
|
|
|
|||
|
|
@ -13,7 +13,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
## [ਪ੍ਰੀ-ਲੈਕਚਰ ਕਵਿਜ਼](https://ff-quizzes.netlify.app/en/ai/quiz/21)
|
||||
|
||||
|
||||
|
||||
|
||||
> ਤਸਵੀਰ [YOLO v2 ਵੈਬਸਾਈਟ](https://pjreddie.com/darknet/yolov2/) ਤੋਂ
|
||||
|
||||
|
|
@ -25,7 +25,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
2. ਹਰ ਟਾਈਲ 'ਤੇ ਇਮੇਜ ਕਲਾਸੀਫਿਕੇਸ਼ਨ ਚਲਾਓ।
|
||||
3. ਉਹ ਟਾਈਲਾਂ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਕਾਫ਼ੀ ਉੱਚੀ ਐਕਟੀਵੇਸ਼ਨ ਹੁੰਦੀ ਹੈ, ਉਹਨਾਂ ਨੂੰ ਉਹ ਵਸਤੂ ਸ਼ਾਮਲ ਕਰਨ ਵਾਲੇ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
> *ਤਸਵੀਰ [ਐਕਸਰਸਾਈਜ਼ ਨੋਟਬੁੱਕ](ObjectDetection-TF.ipynb) ਤੋਂ*
|
||||
|
||||
|
|
@ -42,7 +42,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
* [PASCAL VOC](http://host.robots.ox.ac.uk/pascal/VOC/) - 20 ਕਲਾਸਾਂ
|
||||
* [COCO](http://cocodataset.org/#home) - ਸਧਾਰਨ ਵਸਤੂਆਂ ਸੰਦਰਭ ਵਿੱਚ। 80 ਕਲਾਸਾਂ, ਬਾਊਂਡਿੰਗ ਬਾਕਸ ਅਤੇ ਸੈਗਮੈਂਟੇਸ਼ਨ ਮਾਸਕ
|
||||
|
||||
|
||||
|
||||
|
||||
## ਆਬਜੈਕਟ ਡਿਟੈਕਸ਼ਨ ਮੈਟ੍ਰਿਕਸ
|
||||
|
||||
|
|
@ -50,7 +50,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
ਜਦੋਂ ਕਿ ਇਮੇਜ ਕਲਾਸੀਫਿਕੇਸ਼ਨ ਲਈ ਇਹ ਮਾਪਣਾ ਆਸਾਨ ਹੈ ਕਿ ਐਲਗੋਰਿਦਮ ਕਿੰਨਾ ਚੰਗਾ ਕੰਮ ਕਰਦਾ ਹੈ, ਆਬਜੈਕਟ ਡਿਟੈਕਸ਼ਨ ਲਈ ਸਾਨੂੰ ਕਲਾਸ ਦੀ ਸਹੀਤਾ ਦੇ ਨਾਲ-साथ ਅਨੁਮਾਨਿਤ ਬਾਊਂਡਿੰਗ ਬਾਕਸ ਸਥਿਤੀ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਮਾਪਣਾ ਪੈਂਦਾ ਹੈ। ਇਸ ਲਈ, ਅਸੀਂ **ਇੰਟਰਸੈਕਸ਼ਨ ਓਵਰ ਯੂਨੀਅਨ** (IoU) ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ, ਜੋ ਮਾਪਦਾ ਹੈ ਕਿ ਦੋ ਬਾਕਸ (ਜਾਂ ਦੋ ਮਨਮਾਨੇ ਖੇਤਰ) ਕਿੰਨੇ ਚੰਗੇ ਤਰੀਕੇ ਨਾਲ ਓਵਰਲੈਪ ਕਰਦੇ ਹਨ।
|
||||
|
||||
|
||||
|
||||
|
||||
> *ਫਿਗਰ 2 [ਇਹ ਸ਼ਾਨਦਾਰ ਬਲੌਗ ਪੋਸਟ IoU 'ਤੇ](https://pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/) ਤੋਂ*
|
||||
|
||||
|
|
@ -97,11 +97,11 @@ $$
|
|||
|
||||
[R-CNN](http://islab.ulsan.ac.kr/files/announcement/513/rcnn_pami.pdf) [Selective Search](http://www.huppelen.nl/publications/selectiveSearchDraft.pdf) ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ROI ਖੇਤਰਾਂ ਦੀ ਹਾਇਰਾਰਕੀਕਲ ਸਟ੍ਰਕਚਰ ਪੈਦਾ ਕਰਨ ਲਈ, ਜੋ ਫਿਰ CNN ਫੀਚਰ ਐਕਸਟ੍ਰੈਕਟਰ ਅਤੇ SVM-ਕਲਾਸੀਫਾਇਰਾਂ ਦੁਆਰਾ ਪਾਸ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਵਸਤੂਆਂ ਦੀ ਸ਼੍ਰੇਣੀ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ, ਅਤੇ *ਬਾਊਂਡਿੰਗ ਬਾਕਸ* ਕੋਆਰਡੀਨੇਟਸ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਲੀਨੀਅਰ ਰੇਗ੍ਰੈਸ਼ਨ। [ਆਧਿਕਾਰਿਕ ਪੇਪਰ](https://arxiv.org/pdf/1506.01497v1.pdf)
|
||||
|
||||
|
||||
|
||||
|
||||
> *ਤਸਵੀਰ ਵੈਨ ਡੇ ਸੈਂਡ ਆਦਿ ICCV’11 ਤੋਂ*
|
||||
|
||||
|
||||
|
||||
|
||||
> *ਤਸਵੀਰਾਂ [ਇਸ ਬਲੌਗ](https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e) ਤੋਂ*
|
||||
|
||||
|
|
@ -109,7 +109,7 @@ $$
|
|||
|
||||
ਇਹ ਪਹੁੰਚ R-CNN ਦੇ ਸਮਾਨ ਹੈ, ਪਰ ਖੇਤਰ ਕਨਵੋਲੂਸ਼ਨ ਲੇਅਰਾਂ ਦੇ ਲਾਗੂ ਹੋਣ ਤੋਂ ਬਾਅਦ ਨਿਰਧਾਰਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਤਸਵੀਰ [ਆਧਿਕਾਰਿਕ ਪੇਪਰ](https://www.cv-foundation.org/openaccess/content_iccv_2015/papers/Girshick_Fast_R-CNN_ICCV_2015_paper.pdf), [arXiv](https://arxiv.org/pdf/1504.08083.pdf), 2015 ਤੋਂ
|
||||
|
||||
|
|
@ -117,7 +117,7 @@ $$
|
|||
|
||||
ਇਸ ਪਹੁੰਚ ਦਾ ਮੁੱਖ ਵਿਚਾਰ ROI ਦੀ ਪੇਸ਼ਗੂਈ ਕਰਨ ਲਈ ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ - ਜਿਸਨੂੰ *Region Proposal Network* ਕਿਹਾ ਜਾਂਦਾ ਹੈ। [ਪੇਪਰ](https://arxiv.org/pdf/1506.01497.pdf), 2016
|
||||
|
||||
|
||||
|
||||
|
||||
> ਤਸਵੀਰ [ਆਧਿਕਾਰਿਕ ਪੇਪਰ](https://arxiv.org/pdf/1506.01497.pdf) ਤੋਂ
|
||||
|
||||
|
|
@ -129,7 +129,7 @@ $$
|
|||
1. ਫੀਚਰ **ਪੋਜ਼ੀਸ਼ਨ-ਸੈਂਸਿਟਿਵ ਸਕੋਰ ਮੈਪ** ਦੁਆਰਾ ਪ੍ਰੋਸੈਸ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। $C$ ਕਲਾਸਾਂ ਵਿੱਚੋਂ ਹਰ ਵਸਤੂ ਨੂੰ $k\times k$ ਖੇਤਰਾਂ ਦੁਆਰਾ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਅਸੀਂ ਵਸਤੂਆਂ ਦੇ ਹਿੱਸਿਆਂ ਦੀ ਪੇਸ਼ਗੂਈ ਕਰਨ ਲਈ ਟ੍ਰੇਨਿੰਗ ਕਰਦੇ ਹਾਂ।
|
||||
1. $k\times k$ ਖੇਤਰਾਂ ਵਿੱਚੋਂ ਹਰ ਹਿੱਸੇ ਲਈ ਸਾਰੇ ਨੈਟਵਰਕ ਵਸਤੂਆਂ ਦੀਆਂ ਕਲਾਸਾਂ ਲਈ ਵੋਟ ਕਰਦੇ ਹਨ, ਅਤੇ ਵਧੇਰੇ ਵੋਟ ਵਾਲੀ ਵਸਤੂ ਦੀ ਕਲਾਸ ਚੁਣੀ ਜਾਂਦੀ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਤਸਵੀਰ [ਆਧਿਕਾਰਿਕ ਪੇਪਰ](https://arxiv.org/abs/1605.06409) ਤੋਂ
|
||||
|
||||
|
|
@ -140,7 +140,7 @@ YOLO ਇੱਕ ਰੀਅਲਟਾਈਮ ਵਨ-ਪਾਸ ਐਲਗੋਰਿਦ
|
|||
* ਤਸਵੀਰ ਨੂੰ $S\times S$ ਖੇਤਰਾਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ।
|
||||
* ਹਰ ਖੇਤਰ ਲਈ, **CNN** $n$ ਸੰਭਾਵਿਤ ਵਸਤੂਆਂ, *ਬਾਊਂਡਿੰਗ ਬਾਕਸ* ਕੋਆਰਡੀਨੇਟਸ ਅਤੇ *ਕਾਨਫਿਡੈਂਸ*=*ਪ੍ਰੋਬੈਬਿਲਿਟੀ* * IoU ਦੀ ਪੇਸ਼ਗੂਈ ਕਰਦਾ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਤਸਵੀਰ [ਆਧਿਕਾਰਿਕ ਪੇਪਰ](https://arxiv.org/abs/1506.02640) ਤੋਂ
|
||||
|
||||
|
|
|
|||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ
|
||||
|
||||
|
||||
|
||||
|
||||
ਇਸ ਭਾਗ ਵਿੱਚ ਅਸੀਂ ਸਿੱਖਾਂਗੇ:
|
||||
|
||||
|
|
|
|||
|
|
@ -199,7 +199,7 @@
|
|||
"\n",
|
||||
"**ਸ਼ਬਦਾਂ ਦੀ ਥੈਲੀ** (BoW) ਵੇਕਟਰ ਪ੍ਰਤੀਨਿਧੀ ਸਭ ਤੋਂ ਆਮ ਤੌਰ 'ਤੇ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਰਵਾਇਤੀ ਵੇਕਟਰ ਪ੍ਰਤੀਨਿਧੀ ਹੈ। ਹਰ ਸ਼ਬਦ ਨੂੰ ਇੱਕ ਵੇਕਟਰ ਇੰਡੈਕਸ ਨਾਲ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਵੇਕਟਰ ਤੱਤ ਵਿੱਚ ਦਿੱਤੇ ਗਏ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਸ਼ਬਦ ਦੀ ਘਟਨਾ ਦੀ ਗਿਣਤੀ ਹੁੰਦੀ ਹੈ।\n",
|
||||
"\n",
|
||||
" \n",
|
||||
" \n",
|
||||
"\n",
|
||||
"> **Note**: ਤੁਸੀਂ BoW ਨੂੰ ਟੈਕਸਟ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਸ਼ਬਦਾਂ ਲਈ ਇੱਕ-ਹਾਟ-ਐਨਕੋਡ ਕੀਤੇ ਵੇਕਟਰਾਂ ਦੇ ਜੋੜ ਵਜੋਂ ਵੀ ਸੋਚ ਸਕਦੇ ਹੋ।\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -188,7 +188,7 @@
|
|||
"\n",
|
||||
"**ਬੈਗ-ਆਫ-ਵਰਡਸ** (BoW) ਵੇਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾ ਸਭ ਤੋਂ ਸਧਾਰਨ ਅਤੇ ਸਮਝਣ ਵਿੱਚ ਆਸਾਨ ਰਵਾਇਤੀ ਵੇਕਟਰ ਪ੍ਰਤੀਨਿਧਤਾ ਹੈ। ਹਰ ਸ਼ਬਦ ਨੂੰ ਇੱਕ ਵੇਕਟਰ ਇੰਡੈਕਸ ਨਾਲ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਵੇਕਟਰ ਤੱਤ ਵਿੱਚ ਦਿੱਤੇ ਗਏ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਹਰ ਸ਼ਬਦ ਦੇ ਆਵਿਰਤੀ ਦੀ ਗਿਣਤੀ ਹੁੰਦੀ ਹੈ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"> **Note**: ਤੁਸੀਂ BoW ਨੂੰ ਟੈਕਸਟ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਸ਼ਬਦਾਂ ਲਈ ਇੱਕ-ਹਾਟ-ਐਨਕੋਡਡ ਵੇਕਟਰਾਂ ਦੇ ਜੋੜ ਵਜੋਂ ਵੀ ਸੋਚ ਸਕਦੇ ਹੋ।\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -62,7 +62,7 @@
|
|||
"\n",
|
||||
"ਜਦੋਂ ਅਸੀਂ ਆਪਣੇ ਨੈੱਟਵਰਕ ਵਿੱਚ ਪਹਿਲੇ ਲੇਅਰ ਵਜੋਂ ਐਮਬੈਡਿੰਗ ਲੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਬੈਗ-ਆਫ-ਵਰਡਜ਼ ਤੋਂ **ਐਮਬੈਡਿੰਗ ਬੈਗ** ਮਾਡਲ ਵਿੱਚ ਬਦਲ ਸਕਦੇ ਹਾਂ, ਜਿੱਥੇ ਅਸੀਂ ਪਹਿਲਾਂ ਆਪਣੇ ਪਾਠ ਵਿੱਚ ਹਰ ਸ਼ਬਦ ਨੂੰ ਉਸਦੇ ਸੰਬੰਧਿਤ ਐਮਬੈਡਿੰਗ ਵਿੱਚ ਬਦਲਦੇ ਹਾਂ, ਅਤੇ ਫਿਰ ਸਾਰੇ ਐਮਬੈਡਿੰਗਜ਼ 'ਤੇ ਕੁਝ ਸਮੂਹ ਫੰਕਸ਼ਨ ਗਣਨਾ ਕਰਦੇ ਹਾਂ, ਜਿਵੇਂ ਕਿ `sum`, `average` ਜਾਂ `max`।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"ਸਾਡਾ ਕਲਾਸੀਫਾਇਰ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਐਮਬੈਡਿੰਗ ਲੇਅਰ ਨਾਲ ਸ਼ੁਰੂ ਹੋਵੇਗਾ, ਫਿਰ ਐਗਰੀਗੇਸ਼ਨ ਲੇਅਰ, ਅਤੇ ਇਸਦੇ ਉੱਪਰ ਲੀਨਿਅਰ ਕਲਾਸੀਫਾਇਰ:\n"
|
||||
]
|
||||
|
|
@ -176,7 +176,7 @@
|
|||
"\n",
|
||||
"ਪਿਛਲੀ ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ, ਸਾਨੂੰ ਸਾਰੇ ਕ੍ਰਮਾਂ ਨੂੰ ਇੱਕੋ ਲੰਬਾਈ ਵਿੱਚ ਪੈਡ ਕਰਨਾ ਪੈਂਦਾ ਸੀ ਤਾਂ ਜੋ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਮਿਨੀਬੈਚ ਵਿੱਚ ਫਿੱਟ ਕੀਤਾ ਜਾ ਸਕੇ। ਇਹ ਵੱਖ-ਵੱਖ ਲੰਬਾਈ ਵਾਲੇ ਕ੍ਰਮਾਂ ਨੂੰ ਪ੍ਰਤੀਨਿਧਤ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਕੁਸ਼ਲ ਤਰੀਕਾ ਨਹੀਂ ਹੈ - ਇੱਕ ਹੋਰ ਤਰੀਕਾ **ਆਫਸੈਟ** ਵੇਕਟਰ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੋਵੇਗਾ, ਜੋ ਇੱਕ ਵੱਡੇ ਵੇਕਟਰ ਵਿੱਚ ਸਟੋਰ ਕੀਤੇ ਸਾਰੇ ਕ੍ਰਮਾਂ ਦੇ ਆਫਸੈਟ ਨੂੰ ਰੱਖੇਗਾ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"> **Note**: ਉੱਪਰ ਦਿੱਤੀ ਤਸਵੀਰ ਵਿੱਚ, ਅਸੀਂ ਅੱਖਰਾਂ ਦੇ ਕ੍ਰਮ ਨੂੰ ਦਿਖਾਇਆ ਹੈ, ਪਰ ਸਾਡੇ ਉਦਾਹਰਨ ਵਿੱਚ ਅਸੀਂ ਸ਼ਬਦਾਂ ਦੇ ਕ੍ਰਮਾਂ ਨਾਲ ਕੰਮ ਕਰ ਰਹੇ ਹਾਂ। ਹਾਲਾਂਕਿ, ਆਫਸੈਟ ਵੇਕਟਰ ਨਾਲ ਕ੍ਰਮਾਂ ਦੀ ਪ੍ਰਤੀਨਿਧਤਾ ਕਰਨ ਦਾ ਆਮ ਸਿਧਾਂਤ ਇੱਕੋ ਜਿਹਾ ਰਹਿੰਦਾ ਹੈ।\n",
|
||||
"\n",
|
||||
|
|
@ -311,7 +311,7 @@
|
|||
"\n",
|
||||
"CBoW ਤੇਜ਼ ਹੈ, ਜਦਕਿ ਸਕਿਪ-ਗ੍ਰਾਮ ਹੌਲੀ ਹੈ, ਪਰ ਇਹ ਅਲਭ ਸ਼ਬਦਾਂ ਦੀ ਵਧੀਆ ਪ੍ਰਤੀਨਿਧੀ ਕਰਦਾ ਹੈ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"ਗੂਗਲ ਨਿਊਜ਼ ਡੇਟਾਸੈਟ 'ਤੇ ਪ੍ਰੀ-ਟ੍ਰੇਨ ਕੀਤੇ ਵਰਡ2ਵੈਕ ਐਮਬੈਡਿੰਗ ਨਾਲ ਪ੍ਰਯੋਗ ਕਰਨ ਲਈ, ਅਸੀਂ **gensim** ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਾਂ। ਹੇਠਾਂ ਅਸੀਂ 'neural' ਦੇ ਸਭ ਤੋਂ ਸਮਾਨ ਸ਼ਬਦਾਂ ਨੂੰ ਲੱਭਦੇ ਹਾਂ।\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -37,7 +37,7 @@
|
|||
"\n",
|
||||
"ਜਦੋਂ ਅਸੀਂ ਆਪਣੇ ਨੈਟਵਰਕ ਵਿੱਚ ਪਹਿਲੀ ਲੇਅਰ ਵਜੋਂ ਐਮਬੈਡਿੰਗ ਲੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਬੈਗ-ਆਫ-ਵਰਡਸ ਮਾਡਲ ਤੋਂ **ਐਮਬੈਡਿੰਗ ਬੈਗ** ਮਾਡਲ ਵਿੱਚ ਸਵਿੱਚ ਕਰ ਸਕਦੇ ਹਾਂ, ਜਿੱਥੇ ਅਸੀਂ ਪਹਿਲਾਂ ਆਪਣੇ ਟੈਕਸਟ ਵਿੱਚ ਹਰ ਸ਼ਬਦ ਨੂੰ ਉਸ ਦੇ ਸੰਬੰਧਿਤ ਐਮਬੈਡਿੰਗ ਵਿੱਚ ਬਦਲਦੇ ਹਾਂ, ਅਤੇ ਫਿਰ ਉਹਨਾਂ ਸਾਰੀਆਂ ਐਮਬੈਡਿੰਗਜ਼ 'ਤੇ ਕੁਝ ਸਮੁੱਚੇ ਫੰਕਸ਼ਨ ਦੀ ਗਣਨਾ ਕਰਦੇ ਹਾਂ, ਜਿਵੇਂ ਕਿ `sum`, `average` ਜਾਂ `max`। \n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"ਸਾਡੇ ਕਲਾਸੀਫਾਇਰ ਨਿਊਰਲ ਨੈਟਵਰਕ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੀਆਂ ਲੇਅਰਾਂ ਸ਼ਾਮਲ ਹਨ:\n",
|
||||
"\n",
|
||||
|
|
@ -283,7 +283,7 @@
|
|||
"\n",
|
||||
"CBoW ਤੇਜ਼ ਹੈ, ਜਦਕਿ ਸਕਿਪ-ਗ੍ਰਾਮ ਹੌਲੀ ਹੈ, ਪਰ ਇਹ ਅਲਪ-ਵਰਤੋਂ ਵਾਲੇ ਸ਼ਬਦਾਂ ਦੀ ਵਧੀਆ ਪ੍ਰਤੀਨਿਧੀ ਕਰਦਾ ਹੈ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"Google News ਡੇਟਾਸੈਟ 'ਤੇ ਪ੍ਰੀ-ਟ੍ਰੇਨ ਕੀਤੇ ਵਰਡ2ਵੈਕ ਐਮਬੈਡਿੰਗ ਨਾਲ ਪ੍ਰਯੋਗ ਕਰਨ ਲਈ, ਅਸੀਂ **gensim** ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਾਂ। ਹੇਠਾਂ ਅਸੀਂ 'neural' ਦੇ ਸਭ ਤੋਂ ਸਮਾਨ ਸ਼ਬਦਾਂ ਨੂੰ ਲੱਭਦੇ ਹਾਂ।\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -19,7 +19,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
ਐਮਬੈਡਿੰਗ ਲੇਅਰ ਨੂੰ ਸਾਡੇ ਕਲਾਸੀਫਾਇਰ ਨੈਟਵਰਕ ਵਿੱਚ ਪਹਿਲੇ ਲੇਅਰ ਵਜੋਂ ਵਰਤ ਕੇ, ਅਸੀਂ ਬੈਗ-ਆਫ-ਵਰਡਸ ਤੋਂ **embedding bag** ਮਾਡਲ ਵਿੱਚ ਸਵਿੱਚ ਕਰ ਸਕਦੇ ਹਾਂ, ਜਿੱਥੇ ਅਸੀਂ ਪਹਿਲਾਂ ਆਪਣੇ ਟੈਕਸਟ ਵਿੱਚ ਹਰ ਸ਼ਬਦ ਨੂੰ ਸੰਬੰਧਿਤ ਐਮਬੈਡਿੰਗ ਵਿੱਚ ਬਦਲਦੇ ਹਾਂ, ਅਤੇ ਫਿਰ ਸਾਰੇ ਐਮਬੈਡਿੰਗਸ 'ਤੇ ਕੁਝ ਸਮੁੱਚੇ ਫੰਕਸ਼ਨ ਦੀ ਗਣਨਾ ਕਰਦੇ ਹਾਂ, ਜਿਵੇਂ ਕਿ `sum`, `average` ਜਾਂ `max`।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਲੇਖਕ ਦੁਆਰਾ ਚਿੱਤਰ
|
||||
|
||||
|
|
@ -40,7 +40,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
CBoW ਤੇਜ਼ ਹੈ, ਜਦਕਿ ਸਕਿਪ-ਗ੍ਰਾਮ ਹੌਲੀ ਹੈ, ਪਰ ਅਲਭ ਸ਼ਬਦਾਂ ਦੀ ਪ੍ਰਤੀਨਿਧੀ ਕਰਨ ਵਿੱਚ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
> [ਇਸ ਪੇਪਰ](https://arxiv.org/pdf/1301.3781.pdf) ਤੋਂ ਚਿੱਤਰ
|
||||
|
||||
|
|
|
|||
|
|
@ -23,7 +23,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
* **ਕੰਟਿਨਿਊਅਸ ਬੈਗ-ਆਫ-ਵਰਡਸ** (CBoW), ਜਦੋਂ ਅਸੀਂ ਟੋਕਨ ਸੀਕਵੈਂਸ $W_{-N}$, ..., $W_N$ ਵਿੱਚ ਮੱਧਲੇ ਟੋਕਨ $W_0$ ਦੀ ਪੇਸ਼ਗੂਈ ਕਰਦੇ ਹਾਂ।
|
||||
* **ਸਕਿਪ-ਗ੍ਰਾਮ**, ਜਿੱਥੇ ਅਸੀਂ ਮੱਧਲੇ ਟੋਕਨ $W_0$ ਤੋਂ ਨੇੜਲੇ ਟੋਕਨਜ਼ {$W_{-N},\dots, W_{-1}, W_1,\dots, W_N$} ਦੀ ਪੇਸ਼ਗੂਈ ਕਰਦੇ ਹਾਂ।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਚਿੱਤਰ [ਇਸ ਪੇਪਰ](https://arxiv.org/pdf/1301.3781.pdf) ਤੋਂ
|
||||
|
||||
|
|
|
|||
|
|
@ -15,7 +15,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
ਟੈਕਸਟ ਕ੍ਰਮ ਦੇ ਅਰਥ ਨੂੰ ਕੈਪਚਰ ਕਰਨ ਲਈ, ਸਾਨੂੰ ਇੱਕ ਹੋਰ ਨਿਊਰਲ ਨੈਟਵਰਕ ਆਰਕੀਟੈਕਚਰ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਜਿਸਨੂੰ **ਰਿਕਰੰਟ ਨਿਊਰਲ ਨੈਟਵਰਕ** ਜਾਂ RNN ਕਿਹਾ ਜਾਂਦਾ ਹੈ। RNN ਵਿੱਚ, ਅਸੀਂ ਆਪਣੇ ਵਾਕਾਂਸ਼ ਨੂੰ ਨੈਟਵਰਕ ਵਿੱਚ ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਚਿੰਨ੍ਹ ਦੇ ਰਾਹੀਂ ਪਾਸ ਕਰਦੇ ਹਾਂ, ਅਤੇ ਨੈਟਵਰਕ ਕੁਝ **ਸਟੇਟ** ਪੈਦਾ ਕਰਦਾ ਹੈ, ਜਿਸਨੂੰ ਅਗਲੇ ਚਿੰਨ੍ਹ ਦੇ ਨਾਲ ਮੁੜ ਨੈਟਵਰਕ ਵਿੱਚ ਪਾਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਲੇਖਕ ਦੁਆਰਾ ਚਿੱਤਰ
|
||||
|
||||
|
|
@ -61,7 +61,7 @@ LSTM ਨੈਟਵਰਕ RNN ਦੇ ਸਮਾਨ ਸੰਗਠਿਤ ਹੈ, ਪ
|
|||
|
||||
ਇੱਕ ਰਿਕਰੰਟ ਨੈਟਵਰਕ, ਚਾਹੇ ਇੱਕ-ਦਿਸ਼ਾ ਵਾਲਾ ਹੋਵੇ ਜਾਂ ਬਾਈਡਾਇਰੈਕਸ਼ਨਲ, ਲੜੀ ਵਿੱਚ ਕੁਝ ਪੈਟਰਨਾਂ ਨੂੰ ਕੈਪਚਰ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਸਟੇਟ ਵੈਕਟਰ ਵਿੱਚ ਸਟੋਰ ਕਰਦਾ ਹੈ ਜਾਂ ਆਉਟਪੁਟ ਵਿੱਚ ਪਾਸ ਕਰਦਾ ਹੈ। ਜਿਵੇਂ ਕਿ ਕਨਵੋਲੂਸ਼ਨਲ ਨੈਟਵਰਕਸ ਦੇ ਨਾਲ, ਅਸੀਂ ਪਹਿਲੇ ਲੇਅਰ ਦੁਆਰਾ ਕੈਪਚਰ ਕੀਤੇ ਗਏ ਨੀਵਾਂ-ਸਤਹ ਪੈਟਰਨਾਂ ਤੋਂ ਉੱਚ-ਸਤਹ ਪੈਟਰਨਾਂ ਨੂੰ ਕੈਪਚਰ ਕਰਨ ਲਈ ਪਹਿਲੇ ਲੇਅਰ ਦੇ ਉੱਪਰ ਇੱਕ ਹੋਰ ਰਿਕਰੰਟ ਲੇਅਰ ਬਣਾਉਣ ਲਈ ਬਣਾਉਣ ਕਰ ਸਕਦੇ ਹਾਂ। ਇਸ ਨਾਲ ਸਾਨੂੰ **ਮਲਟੀ-ਲੇਅਰ RNN** ਦੀ ਧਾਰਨਾ ਮਿਲਦੀ ਹੈ ਜੋ ਦੋ ਜਾਂ ਵੱਧ ਰਿਕਰੰਟ ਨੈਟਵਰਕਸ ਤੋਂ ਬਣਦੀ ਹੈ, ਜਿੱਥੇ ਪਿਛਲੇ ਲੇਅਰ ਦਾ ਆਉਟਪੁਟ ਅਗਲੇ ਲੇਅਰ ਵਿੱਚ ਇਨਪੁਟ ਵਜੋਂ ਪਾਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
*ਚਿੱਤਰ [ਇਸ ਸ਼ਾਨਦਾਰ ਪੋਸਟ](https://towardsdatascience.com/from-a-lstm-cell-to-a-multilayer-lstm-network-with-pytorch-2899eb5696f3) ਫਰਨਾਂਡੋ ਲੋਪੇਜ਼ ਦੁਆਰਾ*
|
||||
|
||||
|
|
|
|||
|
|
@ -422,7 +422,7 @@
|
|||
"\n",
|
||||
"ਰੀਕਰਨਟ ਨੈਟਵਰਕ, ਚਾਹੇ ਇੱਕ-ਦਿਸ਼ਾ ਹੋਵੇ ਜਾਂ ਦੋ-ਦਿਸ਼ਾ, ਕ੍ਰਮ ਵਿੱਚ ਕੁਝ ਪੈਟਰਨ ਨੂੰ ਕੈਪਚਰ ਕਰਦਾ ਹੈ, ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਸਟੇਟ ਵੈਕਟਰ ਵਿੱਚ ਸਟੋਰ ਕਰਦਾ ਹੈ ਜਾਂ ਆਉਟਪੁਟ ਵਿੱਚ ਪਾਸ ਕਰਦਾ ਹੈ। ਜਿਵੇਂ ਕਿ ਕਨਵੋਲੂਸ਼ਨਲ ਨੈਟਵਰਕਸ ਵਿੱਚ, ਅਸੀਂ ਪਹਿਲੀ ਲੇਅਰ ਦੁਆਰਾ ਕੈਪਚਰ ਕੀਤੇ ਨੀਵੀਂ-ਪੱਧਰੀ ਪੈਟਰਨਾਂ ਤੋਂ ਉੱਚ-ਪੱਧਰੀ ਪੈਟਰਨਾਂ ਨੂੰ ਕੈਪਚਰ ਕਰਨ ਲਈ ਪਹਿਲੀ ਲੇਅਰ ਦੇ ਉੱਪਰ ਇੱਕ ਹੋਰ ਰੀਕਰਨਟ ਲੇਅਰ ਬਣਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾ ਸਕਦੇ ਹਾਂ। ਇਸ ਨਾਲ **ਬਹੁ-ਪੱਧਰੀ RNN** ਦੀ ਧਾਰਨਾ ਬਣਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਦੋ ਜਾਂ ਵੱਧ ਰੀਕਰਨਟ ਨੈਟਵਰਕਸ ਹੁੰਦੇ ਹਨ, ਜਿੱਥੇ ਪਿਛਲੀ ਲੇਅਰ ਦਾ ਆਉਟਪੁਟ ਅਗਲੀ ਲੇਅਰ ਨੂੰ ਇਨਪੁਟ ਵਜੋਂ ਪਾਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*ਫਰਨਾਂਡੋ ਲੋਪੇਜ਼ ਦੁਆਰਾ [ਇਸ ਸ਼ਾਨਦਾਰ ਪੋਸਟ](https://towardsdatascience.com/from-a-lstm-cell-to-a-multilayer-lstm-network-with-pytorch-2899eb5696f3) ਤੋਂ ਚਿੱਤਰ*\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -10,7 +10,7 @@
|
|||
"\n",
|
||||
"ਪਾਠ ਕ੍ਰਮ ਦੇ ਅਰਥ ਨੂੰ ਕੈਪਚਰ ਕਰਨ ਲਈ, ਅਸੀਂ ਇੱਕ ਨਿਊਰਲ ਨੈਟਵਰਕ ਆਰਕੀਟੈਕਚਰ ਵਰਤਾਂਗੇ ਜਿਸਨੂੰ **ਰਿਕਰੰਟ ਨਿਊਰਲ ਨੈਟਵਰਕ** ਜਾਂ RNN ਕਿਹਾ ਜਾਂਦਾ ਹੈ। RNN ਵਰਤਦੇ ਸਮੇਂ, ਅਸੀਂ ਆਪਣੀ ਵਾਕ ਨੂੰ ਨੈਟਵਰਕ ਵਿੱਚ ਇੱਕ ਟੋਕਨ ਇੱਕ ਵਾਰ ਵਿੱਚ ਪਾਸ ਕਰਦੇ ਹਾਂ, ਅਤੇ ਨੈਟਵਰਕ ਕੁਝ **ਸਟੇਟ** ਤਿਆਰ ਕਰਦਾ ਹੈ, ਜਿਸਨੂੰ ਅਸੀਂ ਅਗਲੇ ਟੋਕਨ ਦੇ ਨਾਲ ਫਿਰ ਨੈਟਵਰਕ ਵਿੱਚ ਪਾਸ ਕਰਦੇ ਹਾਂ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"ਜਦੋਂ ਟੋਕਨ ਦਾ ਇਨਪੁਟ ਕ੍ਰਮ $X_0,\\dots,X_n$ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, RNN ਨਿਊਰਲ ਨੈਟਵਰਕ ਬਲਾਕਾਂ ਦੀ ਇੱਕ ਲੜੀ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਇਸ ਲੜੀ ਨੂੰ ਬੈਕਪ੍ਰੋਪਾਗੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਐਂਡ-ਟੂ-ਐਂਡ ਟ੍ਰੇਨ ਕਰਦਾ ਹੈ। ਹਰ ਨੈਟਵਰਕ ਬਲਾਕ ਇੱਕ ਜੋੜੇ $(X_i,S_i)$ ਨੂੰ ਇਨਪੁਟ ਵਜੋਂ ਲੈਂਦਾ ਹੈ ਅਤੇ ਨਤੀਜੇ ਵਜੋਂ $S_{i+1}$ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਅੰਤਿਮ ਸਟੇਟ $S_n$ ਜਾਂ ਆਉਟਪੁਟ $Y_n$ ਨੂੰ ਨਤੀਜਾ ਤਿਆਰ ਕਰਨ ਲਈ ਇੱਕ ਲੀਨੀਅਰ ਕਲਾਸੀਫਾਇਰ ਵਿੱਚ ਪਾਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸਾਰੇ ਨੈਟਵਰਕ ਬਲਾਕ ਇੱਕੋ ਜਿਹੇ ਵਜ਼ਨ ਸਾਂਝੇ ਕਰਦੇ ਹਨ ਅਤੇ ਇੱਕੋ ਬੈਕਪ੍ਰੋਪਾਗੇਸ਼ਨ ਪਾਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਐਂਡ-ਟੂ-ਐਂਡ ਟ੍ਰੇਨ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।\n",
|
||||
"\n",
|
||||
|
|
@ -369,7 +369,7 @@
|
|||
"\n",
|
||||
"ਰਿਕਰੰਟ ਨੈਟਵਰਕ, ਚਾਹੇ ਇੱਕ-ਦਿਸ਼ਾਵਾਂ ਹੋਣ ਜਾਂ ਦੋ-ਦਿਸ਼ਾਵਾਂ, ਸ਼੍ਰੇਣੀ ਦੇ ਅੰਦਰ ਪੈਟਰਨ ਨੂੰ ਕੈਪਚਰ ਕਰਦੇ ਹਨ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਸਟੇਟ ਵੈਕਟਰਾਂ ਵਿੱਚ ਸਟੋਰ ਕਰਦੇ ਹਨ ਜਾਂ ਉਨ੍ਹਾਂ ਨੂੰ ਆਉਟਪੁਟ ਵਜੋਂ ਵਾਪਸ ਕਰਦੇ ਹਨ। ਜਿਵੇਂ ਕਿ ਕਨਵੋਲੂਸ਼ਨਲ ਨੈਟਵਰਕ ਵਿੱਚ ਹੁੰਦਾ ਹੈ, ਅਸੀਂ ਪਹਿਲੇ ਲੇਅਰ ਦੇ ਬਾਅਦ ਇੱਕ ਹੋਰ ਰਿਕਰੰਟ ਲੇਅਰ ਬਣਾਉਣ ਦੇ ਯੋਗ ਹੋ ਸਕਦੇ ਹਾਂ, ਜੋ ਉੱਚ ਪੱਧਰ ਦੇ ਪੈਟਰਨ ਨੂੰ ਕੈਪਚਰ ਕਰਦਾ ਹੈ, ਜੋ ਪਹਿਲੇ ਲੇਅਰ ਦੁਆਰਾ ਕੈਪਚਰ ਕੀਤੇ ਨੀਵੇਂ ਪੱਧਰ ਦੇ ਪੈਟਰਨ ਤੋਂ ਬਣੇ ਹੁੰਦੇ ਹਨ। ਇਸ ਨਾਲ ਸਾਨੂੰ **ਬਹੁ-ਪਤਰੀ RNN** ਦਾ ਧਾਰਨਾ ਮਿਲਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਦੋ ਜਾਂ ਵੱਧ ਰਿਕਰੰਟ ਨੈਟਵਰਕ ਹੁੰਦੇ ਹਨ, ਜਿੱਥੇ ਪਿਛਲੇ ਲੇਅਰ ਦਾ ਆਉਟਪੁਟ ਅਗਲੇ ਲੇਅਰ ਨੂੰ ਇਨਪੁਟ ਵਜੋਂ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*ਫਰਨਾਂਡੋ ਲੋਪੇਜ਼ ਦੁਆਰਾ [ਇਸ ਸ਼ਾਨਦਾਰ ਪੋਸਟ](https://towardsdatascience.com/from-a-lstm-cell-to-a-multilayer-lstm-network-with-pytorch-2899eb5696f3) ਤੋਂ ਚਿੱਤਰ।*\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -119,7 +119,7 @@
|
|||
"\n",
|
||||
"ਅਸੀਂ RNN ਨੂੰ ਟੈਕਸਟ ਜਨਰੇਟ ਕਰਨ ਲਈ ਇਸ ਤਰੀਕੇ ਨਾਲ ਟ੍ਰੇਨ ਕਰਾਂਗੇ। ਹਰ ਕਦਮ 'ਤੇ, ਅਸੀਂ ਅੱਖਰਾਂ ਦੀ `nchars` ਲੰਬਾਈ ਦੀ ਲੜੀ ਲਵਾਂਗੇ ਅਤੇ ਨੈਟਵਰਕ ਨੂੰ ਹਰ ਇਨਪੁਟ ਅੱਖਰ ਲਈ ਅਗਲਾ ਆਉਟਪੁੱਟ ਅੱਖਰ ਜਨਰੇਟ ਕਰਨ ਲਈ ਕਹਾਂਗੇ:\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"ਅਸਲ ਸਥਿਤੀ ਦੇ ਅਨੁਸਾਰ, ਅਸੀਂ ਕੁਝ ਖਾਸ ਅੱਖਰ ਵੀ ਸ਼ਾਮਲ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ ਸਕਦੇ ਹਾਂ, ਜਿਵੇਂ ਕਿ *end-of-sequence* `<eos>`। ਸਾਡੇ ਕੇਸ ਵਿੱਚ, ਅਸੀਂ ਨੈਟਵਰਕ ਨੂੰ ਅਨੰਤ ਟੈਕਸਟ ਜਨਰੇਸ਼ਨ ਲਈ ਟ੍ਰੇਨ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ, ਇਸ ਲਈ ਅਸੀਂ ਹਰ ਲੜੀ ਦਾ ਆਕਾਰ `nchars` ਟੋਕਨ ਦੇ ਬਰਾਬਰ ਰੱਖਾਂਗੇ। ਇਸ ਤਰ੍ਹਾਂ, ਹਰ ਟ੍ਰੇਨਿੰਗ ਉਦਾਹਰਨ `nchars` ਇਨਪੁਟ ਅਤੇ `nchars` ਆਉਟਪੁੱਟ (ਜੋ ਇਨਪੁਟ ਲੜੀ ਨੂੰ ਇੱਕ ਚਿੰਨ੍ਹ ਖੱਬੇ ਵੱਲ ਸ਼ਿਫਟ ਕਰਕੇ ਬਣਦੀ ਹੈ) 'ਤੇ ਮੁਸ਼ਤਮਿਲ ਹੋਵੇਗੀ। ਮਿਨੀਬੈਚ ਕਈ ਇਸ ਤਰ੍ਹਾਂ ਦੀਆਂ ਲੜੀਆਂ 'ਤੇ ਮੁਸ਼ਤਮਿਲ ਹੋਵੇਗਾ।\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -111,7 +111,7 @@
|
|||
"\n",
|
||||
"ਅਸੀਂ RNN ਨੂੰ ਖ਼ਬਰਾਂ ਦੇ ਸਿਰਲੇਖ ਬਣਾਉਣ ਲਈ ਇਸ ਤਰੀਕੇ ਨਾਲ ਟ੍ਰੇਨ ਕਰਾਂਗੇ। ਹਰ ਕਦਮ 'ਤੇ, ਅਸੀਂ ਇੱਕ ਸਿਰਲੇਖ ਲਵਾਂਗੇ, ਜਿਸਨੂੰ RNN ਵਿੱਚ ਫੀਡ ਕੀਤਾ ਜਾਵੇਗਾ, ਅਤੇ ਹਰ ਇਨਪੁਟ ਅੱਖਰ ਲਈ ਅਸੀਂ ਨੈੱਟਵਰਕ ਨੂੰ ਅਗਲਾ ਆਉਟਪੁਟ ਅੱਖਰ ਜਨਰੇਟ ਕਰਨ ਲਈ ਕਹਾਂਗੇ:\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"ਸਾਡੇ ਕ੍ਰਮ ਦੇ ਆਖਰੀ ਅੱਖਰ ਲਈ, ਅਸੀਂ ਨੈੱਟਵਰਕ ਨੂੰ `<eos>` ਟੋਕਨ ਜਨਰੇਟ ਕਰਨ ਲਈ ਕਹਾਂਗੇ।\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -19,7 +19,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
ਇਸ ਨਾਲ ਵੱਖ-ਵੱਖ ਨਿਊਰਲ ਆਰਕੀਟੈਕਚਰਸ ਦੀ ਆਗਿਆ ਮਿਲਦੀ ਹੈ ਜੋ ਹੇਠਾਂ ਦਿੱਤੇ ਚਿੱਤਰ ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਹਨ:
|
||||
|
||||
|
||||
|
||||
|
||||
> ਚਿੱਤਰ ਬਲੌਗ ਪੋਸਟ [Unreasonable Effectiveness of Recurrent Neural Networks](http://karpathy.github.io/2015/05/21/rnn-effectiveness/) ਤੋਂ [Andrej Karpaty](http://karpathy.github.io/) ਦੁਆਰਾ
|
||||
|
||||
|
|
@ -32,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
ਅਸੀਂ ਇਸ RNN ਨੂੰ ਕਦਮ-ਦਰ-ਕਦਮ ਟੈਕਸਟ ਪੈਦਾ ਕਰਨ ਲਈ ਟ੍ਰੇਨ ਕਰਾਂਗੇ। ਹਰ ਕਦਮ 'ਤੇ, ਅਸੀਂ `nchars` ਦੀ ਲੰਬਾਈ ਦੇ ਕਿਰਦਾਰਾਂ ਦੇ ਕ੍ਰਮ ਨੂੰ ਲਵਾਂਗੇ, ਅਤੇ ਨੈਟਵਰਕ ਤੋਂ ਹਰ ਇਨਪੁਟ ਕਿਰਦਾਰ ਲਈ ਅਗਲਾ ਆਉਟਪੁਟ ਕਿਰਦਾਰ ਪੈਦਾ ਕਰਨ ਲਈ ਕਹਾਂਗੇ:
|
||||
|
||||
|
||||
|
||||
|
||||
ਜਦੋਂ ਟੈਕਸਟ ਪੈਦਾ ਕਰਨਾ (ਇਨਫਰੈਂਸ ਦੌਰਾਨ), ਅਸੀਂ ਕੁਝ **ਪ੍ਰਾਂਪਟ** ਨਾਲ ਸ਼ੁਰੂ ਕਰਦੇ ਹਾਂ, ਜਿਸਨੂੰ RNN ਸੈਲਸ ਵਿੱਚੋਂ ਪਾਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਜੋ ਇਸਦਾ ਮੱਧਵਰਤੀ ਸਟੇਟ ਪੈਦਾ ਕੀਤਾ ਜਾ ਸਕੇ, ਅਤੇ ਫਿਰ ਇਸ ਸਟੇਟ ਤੋਂ ਜਨਰੇਸ਼ਨ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ। ਅਸੀਂ ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਕਿਰਦਾਰ ਪੈਦਾ ਕਰਦੇ ਹਾਂ, ਅਤੇ ਸਟੇਟ ਅਤੇ ਪੈਦਾ ਕੀਤੇ ਕਿਰਦਾਰ ਨੂੰ ਅਗਲੇ RNN ਸੈਲ ਵਿੱਚ ਪਾਸ ਕਰਦੇ ਹਾਂ ਤਾਂ ਜੋ ਅਗਲਾ ਪੈਦਾ ਕੀਤਾ ਜਾ ਸਕੇ, ਜਦੋਂ ਤੱਕ ਅਸੀਂ ਕਾਫ਼ੀ ਕਿਰਦਾਰ ਪੈਦਾ ਨਹੀਂ ਕਰ ਲੈਂਦੇ।
|
||||
|
||||
|
|
|
|||
|
|
@ -20,13 +20,13 @@ RNNs ਨਾਲ, ਸੀਕਵੈਂਸ-ਟੂ-ਸੀਕਵੈਂਸ ਦੋ ਰਿ
|
|||
|
||||
**ਧਿਆਨ ਮਕੈਨਿਜ਼ਮ** RNN ਦੇ ਹਰ ਆਉਟਪੁੱਟ ਅਨੁਮਾਨ 'ਤੇ ਹਰ ਇਨਪੁਟ ਵੇਕਟਰ ਦੇ ਸੰਦਰਭਕ ਪ੍ਰਭਾਵ ਨੂੰ ਵਜਨ ਦੇਣ ਦਾ ਇੱਕ ਢੰਗ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਇਹ ਇਸ ਤਰੀਕੇ ਨਾਲ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿ ਇਨਪੁਟ RNN ਦੇ ਮੱਧਵਰਤੀ ਸਟੇਟਾਂ ਅਤੇ ਆਉਟਪੁੱਟ RNN ਦੇ ਵਿਚਕਾਰ ਸ਼ਾਰਟਕਟ ਬਣਾਏ ਜਾਂਦੇ ਹਨ। ਇਸ ਤਰੀਕੇ ਨਾਲ, ਜਦੋਂ ਆਉਟਪੁੱਟ ਚਿੰਨ੍ਹ y<sub>t</sub> ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ, ਅਸੀਂ ਸਾਰੇ ਇਨਪੁਟ ਹਿਡਨ ਸਟੇਟ h<sub>i</sub> ਨੂੰ ਵੱਖ-ਵੱਖ ਵਜਨ ਗੁਣਾਂਕ α<sub>t,i</sub> ਦੇ ਨਾਲ ਧਿਆਨ ਵਿੱਚ ਲਵਾਂਗੇ।
|
||||
|
||||
|
||||
|
||||
|
||||
> [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf) ਵਿੱਚ additive attention ਮਕੈਨਿਜ਼ਮ ਨਾਲ ਐਨਕੋਡਰ-ਡਿਕੋਡਰ ਮਾਡਲ, [ਇਸ ਬਲੌਗ ਪੋਸਟ](https://lilianweng.github.io/lil-log/2018/06/24/attention-attention.html) ਤੋਂ ਲਿਆ ਗਿਆ।
|
||||
|
||||
Attention ਮੈਟ੍ਰਿਕਸ {α<sub>i,j</sub>} ਇਹ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਕੁਝ ਇਨਪੁਟ ਸ਼ਬਦਾਂ ਦਾ ਇੱਕ ਦਿੱਤੇ ਗਏ ਆਉਟਪੁੱਟ ਸੀਕਵੈਂਸ ਵਿੱਚ ਸ਼ਬਦ ਬਣਾਉਣ ਵਿੱਚ ਕਿੰਨਾ ਯੋਗਦਾਨ ਹੈ। ਹੇਠਾਂ ਇਸ ਮੈਟ੍ਰਿਕਸ ਦਾ ਇੱਕ ਉਦਾਹਰਨ ਦਿੱਤਾ ਗਿਆ ਹੈ:
|
||||
|
||||
|
||||
|
||||
|
||||
> [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf) (Fig.3) ਤੋਂ ਚਿੱਤਰ
|
||||
|
||||
|
|
@ -66,7 +66,7 @@ Positional encoding ਦਾ ਵਿਚਾਰ ਹੇਠਾਂ ਦਿੱਤਾ ਗ
|
|||
|
||||
ਅਗਲੇ, ਸਾਨੂੰ ਆਪਣੇ ਸੀਕਵੈਂਸ ਵਿੱਚ ਕੁਝ ਪੈਟਰਨ ਕੈਪਚਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਇਹ ਕਰਨ ਲਈ, ਟ੍ਰਾਂਸਫਾਰਮਰ **self-attention** ਮਕੈਨਿਜ਼ਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਜੋ ਮੂਲ ਤੌਰ 'ਤੇ attention ਹੈ ਜੋ ਇਨਪੁਟ ਅਤੇ ਆਉਟਪੁੱਟ ਦੇ ਤੌਰ 'ਤੇ ਇੱਕੋ ਸੀਕਵੈਂਸ 'ਤੇ ਲਾਗੂ ਹੁੰਦੀ ਹੈ। Self-attention ਲਾਗੂ ਕਰਨ ਨਾਲ ਸਾਨੂੰ **context** ਨੂੰ ਵਾਕ ਵਿੱਚ ਧਿਆਨ ਵਿੱਚ ਲੈਣ ਦੀ ਆਗਿਆ ਮਿਲਦੀ ਹੈ, ਅਤੇ ਵੇਖਣ ਦੀ ਆਗਿਆ ਮਿਲਦੀ ਹੈ ਕਿ ਕਿਹੜੇ ਸ਼ਬਦ ਆਪਸ ਵਿੱਚ ਜੁੜੇ ਹੋਏ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਇਹ ਸਾਨੂੰ ਇਹ ਵੇਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਸ਼ਬਦ coreferences ਦੁਆਰਾ ਦਰਸਾਏ ਜਾਂਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ *it*, ਅਤੇ context ਨੂੰ ਵੀ ਧਿਆਨ ਵਿੱਚ ਲੈਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ:
|
||||
|
||||
|
||||
|
||||
|
||||
> [Google Blog](https://research.googleblog.com/2017/08/transformer-novel-neural-network.html) ਤੋਂ ਚਿੱਤਰ
|
||||
|
||||
|
|
@ -91,7 +91,7 @@ Encoder-decoder attention RNNs ਵਿੱਚ ਵਰਤੇ attention ਮਕੈਨ
|
|||
|
||||
**BERT** (Bidirectional Encoder Representations from Transformers) ਇੱਕ ਬਹੁਤ ਵੱਡਾ multi-layer ਟ੍ਰਾਂਸਫਾਰਮਰ ਨੈਟਵਰਕ ਹੈ ਜਿਸ ਵਿੱਚ *BERT-base* ਲਈ 12 ਲੇਅਰ ਹਨ, ਅਤੇ *BERT-large* ਲਈ 24। ਮਾਡਲ ਨੂੰ ਪਹਿਲਾਂ ਇੱਕ ਵੱਡੇ ਟੈਕਸਟ ਡਾਟਾ ਕੋਰਪਸ (WikiPedia + ਕਿਤਾਬਾਂ) 'ਤੇ unsupervised training (ਵਾਕ ਵਿੱਚ masked ਸ਼ਬਦਾਂ ਦੀ ਪੇਸ਼ਕਸ਼) ਦੀ ਵਰਤੋਂ ਕਰਕੇ pre-train ਕੀਤਾ ਜਾਂਦਾ ਹੈ। Pre-training ਦੌਰਾਨ ਮਾਡਲ ਭਾਸ਼ਾ ਸਮਝਣ ਦੇ ਮਹੱਤਵਪੂਰਨ ਪੱਧਰਾਂ ਨੂੰ ਅਪਣਾਉਂਦਾ ਹੈ, ਜਿਸਨੂੰ ਫਿਰ ਹੋਰ ਡਾਟਾਸੈਟਾਂ ਨਾਲ fine-tuning ਦੁਆਰਾ leveraged ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ **transfer learning** ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਚਿੱਤਰ [source](http://jalammar.github.io/illustrated-bert/)
|
||||
|
||||
|
|
|
|||
|
|
@ -12,12 +12,12 @@
|
|||
"\n",
|
||||
"**ਧਿਆਨ ਮਕੈਨਿਜ਼ਮ** RNN ਦੇ ਹਰ ਆਉਟਪੁੱਟ ਅਨੁਮਾਨ 'ਤੇ ਹਰ ਇਨਪੁਟ ਵੇਕਟਰ ਦੇ ਸੰਦਰਭਕ ਪ੍ਰਭਾਵ ਨੂੰ ਵਜਨ ਦੇਣ ਦਾ ਇੱਕ ਢੰਗ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਇਹ ਇਸ ਤਰੀਕੇ ਨਾਲ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿ ਇਨਪੁਟ RNN ਦੇ ਮੱਧਵਰਤੀ ਸਟੇਟਸ ਅਤੇ ਆਉਟਪੁੱਟ RNN ਦੇ ਵਿਚਕਾਰ ਸ਼ਾਰਟਕਟ ਬਣਾਏ ਜਾਂਦੇ ਹਨ। ਇਸ ਤਰੀਕੇ ਨਾਲ, ਜਦੋਂ ਆਉਟਪੁੱਟ ਚਿੰਨ੍ਹ $y_t$ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ, ਤਾਂ ਅਸੀਂ ਸਾਰੇ ਇਨਪੁਟ ਹਿਡਨ ਸਟੇਟਸ $h_i$ ਨੂੰ ਵੱਖ-ਵੱਖ ਵਜਨ ਗੁਣਾਂਕ $\\alpha_{t,i}$ ਦੇ ਨਾਲ ਧਿਆਨ ਵਿੱਚ ਲਵਾਂਗੇ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*[Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf) ਵਿੱਚ additive attention ਮਕੈਨਿਜ਼ਮ ਵਾਲਾ ਐਨਕੋਡਰ-ਡਿਕੋਡਰ ਮਾਡਲ, [ਇਸ ਬਲੌਗ ਪੋਸਟ](https://lilianweng.github.io/lil-log/2018/06/24/attention-attention.html) ਤੋਂ ਲਿਆ ਗਿਆ।]*\n",
|
||||
"\n",
|
||||
"Attention ਮੈਟ੍ਰਿਕਸ $\\{\\alpha_{i,j}\\}$ ਇਹ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਕਿਸ ਹੱਦ ਤੱਕ ਕੁਝ ਇਨਪੁਟ ਸ਼ਬਦ ਆਉਟਪੁੱਟ ਕ੍ਰਮ ਵਿੱਚ ਦਿੱਤੇ ਗਏ ਸ਼ਬਦ ਦੇ ਜਨਰੇਸ਼ਨ ਵਿੱਚ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦੇ ਹਨ। ਹੇਠਾਂ ਇਸ ਮੈਟ੍ਰਿਕਸ ਦਾ ਇੱਕ ਉਦਾਹਰਨ ਦਿੱਤਾ ਗਿਆ ਹੈ:\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*[Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf) (Fig.3) ਤੋਂ ਲਿਆ ਗਿਆ ਚਿੱਤਰ]*\n",
|
||||
"\n",
|
||||
|
|
@ -35,7 +35,7 @@
|
|||
"\n",
|
||||
"**BERT** (Bidirectional Encoder Representations from Transformers) ਇੱਕ ਬਹੁਤ ਵੱਡਾ ਮਲਟੀ ਲੇਅਰ ਟ੍ਰਾਂਸਫਾਰਮਰ ਨੈਟਵਰਕ ਹੈ, ਜਿਸ ਵਿੱਚ *BERT-base* ਲਈ 12 ਲੇਅਰ ਹਨ, ਅਤੇ *BERT-large* ਲਈ 24। ਮਾਡਲ ਨੂੰ ਪਹਿਲਾਂ ਵੱਡੇ ਟੈਕਸਟ ਡਾਟਾ (WikiPedia + ਕਿਤਾਬਾਂ) 'ਤੇ ਅਨਸੁਪਰਵਾਈਜ਼ਡ ਟ੍ਰੇਨਿੰਗ (ਵਾਕ ਵਿੱਚ ਮਾਸਕ ਕੀਤੇ ਸ਼ਬਦਾਂ ਦੀ ਪੇਸ਼ਕਸ਼) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰੀ-ਟ੍ਰੇਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ ਮਾਡਲ ਭਾਸ਼ਾ ਦੀ ਮਹੱਤਵਪੂਰਨ ਸਮਝ ਹਾਸਲ ਕਰਦਾ ਹੈ, ਜਿਸਨੂੰ ਫਿਰ ਹੋਰ ਡਾਟਾਸੈਟਸ ਨਾਲ ਫਾਈਨ ਟਿਊਨਿੰਗ ਦੁਆਰਾ ਲਾਭਕਾਰੀ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ **ਟ੍ਰਾਂਸਫਰ ਲਰਨਿੰਗ** ਕਿਹਾ ਜਾਂਦਾ ਹੈ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"ਟ੍ਰਾਂਸਫਾਰਮਰ ਆਰਕੀਟੈਕਚਰਾਂ ਦੇ ਕਈ ਰੂਪ ਹਨ, ਜਿਵੇਂ ਕਿ BERT, DistilBERT, BigBird, OpenGPT3 ਅਤੇ ਹੋਰ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਫਾਈਨ ਟਿਊਨ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। [HuggingFace ਪੈਕੇਜ](https://github.com/huggingface/) PyTorch ਨਾਲ ਇਨ੍ਹਾਂ ਆਰਕੀਟੈਕਚਰਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਰਿਪੋਜ਼ਟਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -12,12 +12,12 @@
|
|||
"\n",
|
||||
"**ਧਿਆਨ ਮਕੈਨਿਜ਼ਮ** RNN ਦੇ ਹਰ ਆਉਟਪੁੱਟ ਅਨੁਮਾਨ 'ਤੇ ਹਰ ਇਨਪੁਟ ਵੇਕਟਰ ਦੇ ਸੰਦਰਭਕ ਪ੍ਰਭਾਵ ਨੂੰ ਵਜਨ ਦੇਣ ਦਾ ਇੱਕ ਢੰਗ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਇਹ ਇਸ ਤਰੀਕੇ ਨਾਲ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿ ਇਨਪੁਟ RNN ਦੇ ਮੱਧਵਰਤੀ ਸਟੇਟਸ ਅਤੇ ਆਉਟਪੁੱਟ RNN ਦੇ ਵਿਚਕਾਰ ਸ਼ਾਰਟਕਟ ਬਣਾਏ ਜਾਂਦੇ ਹਨ। ਇਸ ਤਰੀਕੇ ਨਾਲ, ਜਦੋਂ ਆਉਟਪੁੱਟ ਚਿੰਨ੍ਹ $y_t$ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ, ਅਸੀਂ ਸਾਰੇ ਇਨਪੁਟ ਹਿਡਨ ਸਟੇਟਸ $h_i$ ਨੂੰ ਵੱਖ-ਵੱਖ ਵਜਨ ਗੁਣਾਂ $\\alpha_{t,i}$ ਦੇ ਨਾਲ ਧਿਆਨ ਵਿੱਚ ਲਵਾਂਗੇ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*[Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf) ਵਿੱਚ additive attention ਮਕੈਨਿਜ਼ਮ ਵਾਲਾ ਐਨਕੋਡਰ-ਡਿਕੋਡਰ ਮਾਡਲ, [ਇਸ ਬਲੌਗ ਪੋਸਟ](https://lilianweng.github.io/lil-log/2018/06/24/attention-attention.html) ਤੋਂ ਲਿਆ ਗਿਆ।]*\n",
|
||||
"\n",
|
||||
"Attention ਮੈਟ੍ਰਿਕਸ $\\{\\alpha_{i,j}\\}$ ਇਹ ਦਰਸਾਏਗੀ ਕਿ ਕਿਸ ਹੱਦ ਤੱਕ ਕੁਝ ਇਨਪੁਟ ਸ਼ਬਦ ਆਉਟਪੁੱਟ ਕ੍ਰਮ ਵਿੱਚ ਦਿੱਤੇ ਗਏ ਸ਼ਬਦ ਦੇ ਜਨਰੇਸ਼ਨ ਵਿੱਚ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦੇ ਹਨ। ਹੇਠਾਂ ਇਸ ਮੈਟ੍ਰਿਕਸ ਦਾ ਇੱਕ ਉਦਾਹਰਨ ਦਿੱਤਾ ਗਿਆ ਹੈ:\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*[Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf) (Fig.3) ਤੋਂ ਲਿਆ ਗਿਆ ਚਿੱਤਰ]*\n",
|
||||
"\n",
|
||||
|
|
@ -225,7 +225,7 @@
|
|||
"\n",
|
||||
"**BERT** (Bidirectional Encoder Representations from Transformers) ਇੱਕ ਬਹੁਤ ਵੱਡਾ ਬਹੁ-ਪਰਤ ਟ੍ਰਾਂਸਫਾਰਮਰ ਨੈਟਵਰਕ ਹੈ ਜਿਸ ਵਿੱਚ *BERT-base* ਲਈ 12 ਪਰਤਾਂ ਹਨ ਅਤੇ *BERT-large* ਲਈ 24 ਪਰਤਾਂ। ਮਾਡਲ ਨੂੰ ਪਹਿਲਾਂ ਵੱਡੇ ਟੈਕਸਟ ਡਾਟਾ (WikiPedia + ਕਿਤਾਬਾਂ) ਦੇ ਕੋਰਪਸ 'ਤੇ ਅਨਸੁਪਰਵਾਈਜ਼ਡ ਟ੍ਰੇਨਿੰਗ (ਵਾਕ ਵਿੱਚ ਮਾਸਕ ਕੀਤੇ ਸ਼ਬਦਾਂ ਦੀ ਪੇਸ਼ਕਸ਼) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰੀ-ਟ੍ਰੇਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ, ਮਾਡਲ ਭਾਸ਼ਾ ਦੀ ਸਮਝ ਦੇ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਪੱਧਰ ਨੂੰ ਅਪਣਾਉਂਦਾ ਹੈ, ਜਿਸਨੂੰ ਫਿਰ ਫਾਈਨ ਟਿਊਨਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਹੋਰ ਡਾਟਾਸੈਟਾਂ ਨਾਲ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ **ਟ੍ਰਾਂਸਫਰ ਲਰਨਿੰਗ** ਕਿਹਾ ਜਾਂਦਾ ਹੈ।\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"ਟ੍ਰਾਂਸਫਾਰਮਰ ਆਰਕੀਟੈਕਚਰ ਦੇ ਕਈ ਰੂਪ ਹਨ ਜਿਵੇਂ ਕਿ BERT, DistilBERT, BigBird, OpenGPT3 ਅਤੇ ਹੋਰ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਫਾਈਨ ਟਿਊਨ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -58,7 +58,7 @@ infant | O
|
|||
|
||||
ਕਿਉਂਕਿ ਸਾਨੂੰ ਟੋਕਨਾਂ ਅਤੇ ਵਰਗਾਂ ਦੇ ਵਿਚਕਾਰ ਇੱਕ-ਤੋਂ-ਇੱਕ ਸੰਬੰਧ ਬਣਾਉਣਾ ਹੁੰਦਾ ਹੈ, ਅਸੀਂ ਇਸ ਤਸਵੀਰ ਤੋਂ ਇੱਕ ਸਹੀ **ਬਹੁਤ-ਤੋਂ-ਬਹੁਤ** ਨਰਲ ਨੈੱਟਵਰਕ ਮਾਡਲ ਨੂੰ ਟ੍ਰੇਨ ਕਰ ਸਕਦੇ ਹਾਂ:
|
||||
|
||||
|
||||
|
||||
|
||||
> *ਤਸਵੀਰ [ਇਸ ਬਲੌਗ ਪੋਸਟ](http://karpathy.github.io/2015/05/21/rnn-effectiveness/) ਤੋਂ [Andrej Karpathy](http://karpathy.github.io/) ਦੁਆਰਾ। NER ਟੋਕਨ ਵਰਗੀਕਰਨ ਮਾਡਲ ਇਸ ਤਸਵੀਰ ਦੇ ਸੱਜੇ ਪਾਸੇ ਵਾਲੇ ਨੈੱਟਵਰਕ ਆਰਕੀਟੈਕਚਰ ਨਾਲ ਮਿਲਦੇ ਹਨ।*
|
||||
|
||||
|
|
|
|||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# ਨੈਚਰਲ ਲੈਂਗਵੇਜ ਪ੍ਰੋਸੈਸਿੰਗ
|
||||
|
||||
|
||||
|
||||
|
||||
ਇਸ ਸੈਕਸ਼ਨ ਵਿੱਚ, ਅਸੀਂ **ਨੈਚਰਲ ਲੈਂਗਵੇਜ ਪ੍ਰੋਸੈਸਿੰਗ (NLP)** ਨਾਲ ਸੰਬੰਧਿਤ ਟਾਸਕਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਨਿਊਰਲ ਨੈਟਵਰਕਸ ਦੀ ਵਰਤੋਂ 'ਤੇ ਧਿਆਨ ਦੇਵਾਂਗੇ। ਬਹੁਤ ਸਾਰੇ NLP ਸਮੱਸਿਆਵਾਂ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਅਸੀਂ ਚਾਹੁੰਦੇ ਹਾਂ ਕਿ ਕੰਪਿਊਟਰ ਹੱਲ ਕਰ ਸਕਣ:
|
||||
|
||||
|
|
|
|||
|
|
@ -70,7 +70,7 @@ ask turtles [
|
|||
|
||||
ਮਾਡਲ ਖੋਲ੍ਹਣ ਤੋਂ ਬਾਅਦ, ਤੁਹਾਨੂੰ ਨੈਟਲੋਗੋ ਦੇ ਮੁੱਖ ਸਕ੍ਰੀਨ 'ਤੇ ਲਿਆਂਦਾ ਜਾਂਦਾ ਹੈ। ਇੱਥੇ ਇੱਕ ਨਮੂਨਾ ਮਾਡਲ ਹੈ ਜੋ ਵੁਲਫ਼ ਅਤੇ ਭੇਡਾਂ ਦੀ ਆਬਾਦੀ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਸੰਸਾਧਨ ਸੀਮਤ ਹਨ (ਘਾਹ)।
|
||||
|
||||
|
||||
|
||||
|
||||
> ਦਿਮਿਤਰੀ ਸੋਸ਼ਨਿਕੋਵ ਦੁਆਰਾ ਸਕ੍ਰੀਨਸ਼ਾਟ
|
||||
|
||||
|
|
|
|||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# ਝਲਕ
|
||||
|
||||
|
||||
|
||||
|
||||
> ਸਕੈਚਨੋਟ [Tomomi Imura](https://twitter.com/girlie_mac) ਦੁਆਰਾ
|
||||
|
||||
|
|
|
|||
|
|
@ -15,7 +15,7 @@ NLP ਟਾਸਕਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਟ੍ਰਾਂਸ
|
|||
|
||||
CLIP ਦਾ ਮੁੱਖ ਵਿਚਾਰ ਇਹ ਹੈ ਕਿ ਟੈਕਸਟ ਪ੍ਰੌਮਪਟਸ ਨੂੰ ਇੱਕ ਚਿੱਤਰ ਨਾਲ ਤੁਲਨਾ ਕਰਨ ਅਤੇ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਦੀ ਸਮਰਥਾ ਹੋਵੇ ਕਿ ਚਿੱਤਰ ਪ੍ਰੌਮਪਟ ਨਾਲ ਕਿੰਨਾ ਚੰਗਾ ਮੇਲ ਖਾਂਦਾ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
> *ਤਸਵੀਰ [ਇਸ ਬਲੌਗ ਪੋਸਟ](https://openai.com/blog/clip/) ਤੋਂ*
|
||||
|
||||
|
|
@ -31,7 +31,7 @@ CLIP ਮਾਡਲ/ਲਾਇਬ੍ਰੇਰੀ [OpenAI GitHub](https://github.com
|
|||
|
||||
ਮੰਨ ਲਓ ਕਿ ਸਾਨੂੰ ਚਿੱਤਰਾਂ ਨੂੰ ਬਿੱਲੀਆਂ, ਕੁੱਤੇ ਅਤੇ ਮਨੁੱਖਾਂ ਵਿੱਚ ਵਰਗੀਕਰਣ ਦੀ ਲੋੜ ਹੈ। ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਅਸੀਂ ਮਾਡਲ ਨੂੰ ਇੱਕ ਚਿੱਤਰ ਅਤੇ ਟੈਕਸਟ ਪ੍ਰੌਮਪਟਸ ਦੀ ਲੜੀ ਦੇ ਸਕਦੇ ਹਾਂ: "*ਬਿੱਲੀ ਦੀ ਤਸਵੀਰ*", "*ਕੁੱਤੇ ਦੀ ਤਸਵੀਰ*", "*ਮਨੁੱਖ ਦੀ ਤਸਵੀਰ*"। 3 ਸੰਭਾਵਨਾਵਾਂ ਦੇ ਨਤੀਜੇ ਵਾਲੇ ਵੈਕਟਰ ਵਿੱਚ ਸਿਰਫ ਸਭ ਤੋਂ ਉੱਚੇ ਮੁੱਲ ਵਾਲੇ ਇੰਡੈਕਸ ਨੂੰ ਚੁਣਨ ਦੀ ਲੋੜ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
> *ਤਸਵੀਰ [ਇਸ ਬਲੌਗ ਪੋਸਟ](https://openai.com/blog/clip/) ਤੋਂ*
|
||||
|
||||
|
|
@ -55,13 +55,13 @@ VQGAN ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ [Taming Transformers](https:/
|
|||
|
||||
VQGAN ਅਤੇ ਪ੍ਰੰਪਰਾਗਤ GAN ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਅੰਤਰ ਇਹ ਹੈ ਕਿ ਪੁਰਾਣਾ ਕਿਸੇ ਵੀ ਇਨਪੁਟ ਵੈਕਟਰ ਤੋਂ ਇੱਕ ਢੰਗ ਦਾ ਚਿੱਤਰ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ, ਜਦਕਿ VQGAN ਸੰਭਾਵਨਾ ਹੈ ਕਿ ਇੱਕ ਚਿੱਤਰ ਪੈਦਾ ਕਰੇ ਜੋ ਸੰਗਤਿ ਵਾਲਾ ਨਾ ਹੋਵੇ। ਇਸ ਲਈ, ਸਾਨੂੰ ਚਿੱਤਰ ਬਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਹੋਰ ਮਾਰਗਦਰਸ਼ਨ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ ਇਹ CLIP ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
|
||||
|
||||
|
||||
|
||||
|
||||
ਟੈਕਸਟ ਪ੍ਰੌਮਪਟ ਦੇ ਅਨੁਕੂਲ ਚਿੱਤਰ ਬਣਾਉਣ ਲਈ, ਅਸੀਂ ਕੁਝ ਰੈਂਡਮ ਐਨਕੋਡਿੰਗ ਵੈਕਟਰ ਨਾਲ ਸ਼ੁਰੂ ਕਰਦੇ ਹਾਂ ਜੋ VQGAN ਦੁਆਰਾ ਚਿੱਤਰ ਪੈਦਾ ਕਰਨ ਲਈ ਪਾਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਫਿਰ CLIP ਨੂੰ ਇੱਕ ਲੌਸ ਫੰਕਸ਼ਨ ਪੈਦਾ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਜੋ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਚਿੱਤਰ ਟੈਕਸਟ ਪ੍ਰੌਮਪਟ ਨਾਲ ਕਿੰਨਾ ਚੰਗਾ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਫਿਰ ਉਦੇਸ਼ ਇਸ ਲੌਸ ਨੂੰ ਘਟਾਉਣਾ ਹੈ, ਬੈਕ ਪ੍ਰੋਪਾਗੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਨਪੁਟ ਵੈਕਟਰ ਪੈਰਾਮੀਟਰਾਂ ਨੂੰ ਢਾਲਣਾ।
|
||||
|
||||
VQGAN+CLIP ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਾਲੀ ਇੱਕ ਸ਼ਾਨਦਾਰ ਲਾਇਬ੍ਰੇਰੀ [Pixray](http://github.com/pixray/pixray) ਹੈ।
|
||||
|
||||
 |  | 
|
||||
 |  | 
|
||||
----|----|----
|
||||
ਪ੍ਰੌਮਪਟ ਤੋਂ ਬਣਾਈ ਗਈ ਤਸਵੀਰ *ਸਾਹਿਤ ਦੇ ਇੱਕ ਨੌਜਵਾਨ ਪੁਰਸ਼ ਅਧਿਆਪਕ ਦਾ ਇੱਕ ਜਲਰੰਗ ਪੋਰਟਰੇਟ ਜਿਸਦੇ ਕੋਲ ਇੱਕ ਕਿਤਾਬ ਹੈ* | ਪ੍ਰੌਮਪਟ ਤੋਂ ਬਣਾਈ ਗਈ ਤਸਵੀਰ *ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਦੀ ਇੱਕ ਨੌਜਵਾਨ ਮਹਿਲਾ ਅਧਿਆਪਕ ਦਾ ਇੱਕ ਤੇਲ ਪੋਰਟਰੇਟ ਜਿਸਦੇ ਕੋਲ ਇੱਕ ਕੰਪਿਊਟਰ ਹੈ* | ਪ੍ਰੌਮਪਟ ਤੋਂ ਬਣਾਈ ਗਈ ਤਸਵੀਰ *ਗਣਿਤ ਦੇ ਇੱਕ ਬੁਜ਼ੁਰਗ ਪੁਰਸ਼ ਅਧਿਆਪਕ ਦਾ ਇੱਕ ਤੇਲ ਪੋਰਟਰੇਟ ਜੋ ਬਲੈਕਬੋਰਡ ਦੇ ਸਾਹਮਣੇ ਹੈ*
|
||||
|
||||
|
|
|
|||
|
|
@ -1,8 +1,8 @@
|
|||
<!--
|
||||
CO_OP_TRANSLATOR_METADATA:
|
||||
{
|
||||
"original_hash": "4ed9993bca581850c983c95d5a3f57eb",
|
||||
"translation_date": "2025-12-25T02:10:43+00:00",
|
||||
"original_hash": "14816e97d79b296c87811724f7785923",
|
||||
"translation_date": "2026-01-01T13:54:28+00:00",
|
||||
"source_file": "README.md",
|
||||
"language_code": "pcm"
|
||||
}
|
||||
|
|
@ -11,7 +11,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
[](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/issues/)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/pulls/)
|
||||
[](http://makeapullrequest.com)
|
||||
[](http://makeapullrequest.com)
|
||||
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/watchers/)
|
||||
[](https://GitHub.com/microsoft/AI-For-Beginners/network/)
|
||||
|
|
@ -21,50 +21,51 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
[](https://discord.gg/nTYy5BXMWG)
|
||||
|
||||
# Artificial Intelligence for Beginners - A Curriculum
|
||||
# Artificial Intelligence for Beginners - Na Curriculum
|
||||
|
||||
||
|
||||
||
|
||||
|:---:|
|
||||
| AI For Beginners - _Sketchnote wey [@girlie_mac](https://twitter.com/girlie_mac) draw_ |
|
||||
| AI For Beginners - _Sketchnote na [@girlie_mac](https://twitter.com/girlie_mac)_ |
|
||||
|
||||
Explore di world of **Artificial Intelligence** (AI) wit our 12-week, 24-lesson kurikulum! E get practical lessons, quizzes, and labs. Di kurikulum na for beginners and e cover tools like TensorFlow and PyTorch, plus ethics for AI.
|
||||
Make you explore di world of **Artificial Intelligence** (AI) wit our 12-week, 24-lesson curriculum! E get practical lessons, quizzes, and labs. Di curriculum easy for beginners and e dey cover tools like TensorFlow and PyTorch, plus ethics for AI
|
||||
|
||||
### 🌐 Multi-Language Support
|
||||
|
||||
#### Dey supported via GitHub Action (Automated & Always Up-to-Date)
|
||||
### 🌐 Plenty Languages Wey We Dey Support
|
||||
|
||||
#### Dem dey support am via GitHub Action (Automated & Always Up-to-Date)
|
||||
|
||||
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
||||
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](./README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
||||
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
||||
|
||||
**If you want make dem add more translation languages, supported languages dey listed [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
||||
**If you want make we add more translation languages, di ones wey dem support dey listed [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
||||
|
||||
## Join the Community
|
||||
## Join di Community
|
||||
[](https://discord.gg/nTYy5BXMWG)
|
||||
|
||||
## Wetin you go learn
|
||||
|
||||
**[Mindmap for di Course](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)**
|
||||
**[Mindmap of di Course](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)**
|
||||
|
||||
For dis kurikulum, you go learn:
|
||||
For this curriculum, you go learn:
|
||||
|
||||
* Different ways dem dey approach Artificial Intelligence, including di "good old" symbolic approach wit **Knowledge Representation** and reasoning ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)).
|
||||
* Different approaches to Artificial Intelligence, including di "good old" symbolic approach wit **Knowledge Representation** and reasoning ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)).
|
||||
* **Neural Networks** and **Deep Learning**, wey dey di core of modern AI. We go show di concepts behind these important topics using code for two of di most popular frameworks - [TensorFlow](http://Tensorflow.org) and [PyTorch](http://pytorch.org).
|
||||
* **Neural Architectures** for workin wit images and text. We go cover recent models but e fit never fully reach di absolute state-of-the-art.
|
||||
* Less-popular AI approaches, like **Genetic Algorithms** and **Multi-Agent Systems**.
|
||||
* **Neural Architectures** for working wit images and text. We go cover recent models but e fit no reach di very latest state-of-the-art.
|
||||
* Less popular AI approaches, like **Genetic Algorithms** and **Multi-Agent Systems**.
|
||||
|
||||
Wetin we no go cover for dis kurikulum:
|
||||
Wetin we no go cover for dis curriculum:
|
||||
|
||||
> [Find all extra resources for dis course for our Microsoft Learn collection](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)
|
||||
|
||||
* Business cases of using **AI in Business**. Try take [Introduction to AI for business users](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) learning path for Microsoft Learn, or [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), wey dem develop together wit [INSEAD](https://www.insead.edu/).
|
||||
* **Classic Machine Learning**, wey dem don explain well for our [Machine Learning for Beginners Curriculum](http://github.com/Microsoft/ML-for-Beginners).
|
||||
* Practical AI applications wey dem build usin **[Cognitive Services](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. For dis one, we recommend say you start with Microsoft Learn modules for [vision](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [natural language processing](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Generative AI with Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** and others.
|
||||
* Specific ML **Cloud Frameworks**, like [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), or [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). You fit consider using [Build and operate machine learning solutions with Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) and [Build and Operate Machine Learning Solutions with Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) learning paths.
|
||||
* **Conversational AI** and **Chat Bots**. Dem get separate [Create conversational AI solutions](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) learning path, and you fit also check [this blog post](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) for more details.
|
||||
* **Deep Mathematics** behind deep learning. For dis one, we recommend di book [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) by Ian Goodfellow, Yoshua Bengio and Aaron Courville, wey still dey available online at [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/).
|
||||
* Business cases wey dey use **AI in Business**. If you want, consider to take the [Introduction to AI for business users](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) learning path on Microsoft Learn, or [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), wey dem develop together wit [INSEAD](https://www.insead.edu/).
|
||||
* **Classic Machine Learning**, wey well explain for our [Machine Learning for Beginners Curriculum](http://github.com/Microsoft/ML-for-Beginners).
|
||||
* Practical AI applications wey dem build using **[Cognitive Services](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. For dis one, we recommend say you start wit Microsoft Learn modules for [vision](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [natural language processing](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Generative AI with Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** and oda ones.
|
||||
* Specific ML **Cloud Frameworks**, like [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), or [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). You fit consider the learning paths [Build and operate machine learning solutions with Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) and [Build and Operate Machine Learning Solutions with Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum).
|
||||
* **Conversational AI** and **Chat Bots**. Dem get separate [Create conversational AI solutions](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) learning path, and you fit also check [this blog post](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) for more detail.
|
||||
* **Deep Mathematics** wey dey behind deep learning. For dis, we recommend [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) by Ian Goodfellow, Yoshua Bengio and Aaron Courville, wey still dey online at [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/).
|
||||
|
||||
If you want small, gentle introduction to _AI in the Cloud_ topics, you fit consider to take di [Get started with artificial intelligence on Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) Learning Path.
|
||||
If you want small introduction to _AI in the Cloud_ topics, you fit consider to take the [Get started with artificial intelligence on Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) Learning Path.
|
||||
|
||||
# Content
|
||||
|
||||
|
|
@ -77,12 +78,12 @@ If you want small, gentle introduction to _AI in the Cloud_ topics, you fit cons
|
|||
| 02 | [Knowledge Representation and Expert Systems](./lessons/2-Symbolic/README.md) | [Expert Systems](./lessons/2-Symbolic/Animals.ipynb) / [Ontology](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Concept Graph](./lessons/2-Symbolic/MSConceptGraph.ipynb) | |
|
||||
| III | [**Introduction to Neural Networks**](./lessons/3-NeuralNetworks/README.md) |||
|
||||
| 03 | [Perceptron](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Notebook](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Lab](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) |
|
||||
| 04 | [Multi-Layered Perceptron and Creating our own Framework](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Notebook](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Lab](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) |
|
||||
| 05 | [Intro to Frameworks (PyTorch/TensorFlow) and Overfitting](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Lab](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) |
|
||||
| 04 | [Multi-Layered Perceptron an Creating our own Framework](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Notebook](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Lab](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) |
|
||||
| 05 | [Intro to Frameworks (PyTorch/TensorFlow) an Overfitting](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Lab](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) |
|
||||
| IV | [**Computer Vision**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [Explore Computer Vision on Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) |
|
||||
| 06 | [Intro to Computer Vision. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Notebook](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Lab](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) |
|
||||
| 07 | [Convolutional Neural Networks](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN Architectures](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [Lab](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) |
|
||||
| 08 | [Pre-trained Networks and Transfer Learning](./lessons/4-ComputerVision/08-TransferLearning/README.md) and [Training Tricks](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Lab](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) |
|
||||
| 08 | [Pre-trained Networks an Transfer Learning](./lessons/4-ComputerVision/08-TransferLearning/README.md) and [Training Tricks](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Lab](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) |
|
||||
| 09 | [Autoencoders and VAEs](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | |
|
||||
| 10 | [Generative Adversarial Networks & Artistic Style Transfer](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | |
|
||||
| 11 | [Object Detection](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [Lab](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) |
|
||||
|
|
@ -105,64 +106,64 @@ If you want small, gentle introduction to _AI in the Cloud_ topics, you fit cons
|
|||
| IX | **Extras** | | |
|
||||
| 25 | [Multi-Modal Networks, CLIP and VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [Notebook](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | |
|
||||
|
||||
## Wetin each lesson get
|
||||
## Each lesson contains
|
||||
|
||||
* Material wey you for read before
|
||||
* Executable Jupyter Notebooks wey dey, and dem dey often specific to di framework (**PyTorch** or **TensorFlow**). Di executable notebook also get plenti theoretical material, so to sabi di topic well you suppose go through at least one version of di notebook (either PyTorch or TensorFlow).
|
||||
* **Labs** dey for some topics, wey go give you chance to try apply wetin you don learn to one specific problem.
|
||||
* Some sections get links to [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) modules wey cover related topics.
|
||||
* Pre-reading material
|
||||
* Executable Jupyter Notebooks, which are often specific to the framework (**PyTorch** or **TensorFlow**). The executable notebook also contains a lot of theoretical material, so to understand the topic you need to go through at least one version of the notebook (either PyTorch or TensorFlow).
|
||||
* **Labs** available for some topics, which give you an opportunity to try applying the material you have learned to a specific problem.
|
||||
* Some sections contain links to [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) modules that cover related topics.
|
||||
|
||||
## How to Start
|
||||
## Getting Started
|
||||
|
||||
### 🎯 New to AI? Start Here!
|
||||
|
||||
If you be complete beginner for AI and you want quick, hands-on examples, check our [**Beginner-Friendly Examples**](./examples/README.md)! Dem include:
|
||||
If you're completely new to AI and want quick, hands-on examples, check out our [**Beginner-Friendly Examples**](./examples/README.md)! These include:
|
||||
|
||||
- 🌟 **Hello AI World** - Na your first AI program (pattern recognition)
|
||||
- 🧠 **Simple Neural Network** - Build neural network from scratch
|
||||
- 🌟 **Hello AI World** - Your first AI program (pattern recognition)
|
||||
- 🧠 **Simple Neural Network** - Build a neural network from scratch
|
||||
- 🖼️ **Image Classifier** - Classify images with detailed comments
|
||||
- 💬 **Text Sentiment** - Analyze if text dey positive or negative
|
||||
- 💬 **Text Sentiment** - Analyse whether text na positive or negative
|
||||
|
||||
Dem design these examples to help you sabi AI koncepts before you start the full curriculum.
|
||||
These examples dem design make e help you sabi AI concepts before you enter full curriculum.
|
||||
|
||||
### 📚 How to set up di whole curriculum
|
||||
### 📚 Full Curriculum Setup
|
||||
|
||||
- We don create a [setup lesson](./lessons/0-course-setup/setup.md) to help you set up your development environment. - For Educators, we don create a [curricula setup lesson](./lessons/0-course-setup/for-teachers.md) for you too!
|
||||
- We don create a [setup lesson](./lessons/0-course-setup/setup.md) wey go help you with setting up your development environment. - For educators, we sef don create a [curricula setup lesson](./lessons/0-course-setup/for-teachers.md) for you too!
|
||||
- How to [Run the code in a VSCode or a Codepace](./lessons/0-course-setup/how-to-run.md)
|
||||
|
||||
Follow these steps:
|
||||
|
||||
Fork the Repository: Click on the "Fork" button wey dey top-right corner of this page.
|
||||
Fork the Repository: Click on the "Fork" button for the top-right corner of this page.
|
||||
|
||||
Clone the Repository: `git clone https://github.com/microsoft/AI-For-Beginners.git`
|
||||
|
||||
No forget to star (🌟) this repo make e easy to find later.
|
||||
Don't forget to star (🌟) this repo make e dey easier to find later.
|
||||
|
||||
## Meet odas wey dey learn
|
||||
## Meet other Learners
|
||||
|
||||
Make you join our [official AI Discord server](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) to meet and connect with other learners wey dey do this course and to get support.
|
||||
Join our [official AI Discord server](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) make you meet and network with other learners wey dey do this course and get support.
|
||||
|
||||
If you get product feedback or questions while you dey build, visit our [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum)
|
||||
If you get product feedback or questions whilst you dey build visit our [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum)
|
||||
|
||||
## Quizzes
|
||||
|
||||
> **A note about quizzes**: All quizzes dey for the Quiz-app folder inside etc\quiz-app, or [Online Here](https://ff-quizzes.netlify.app/) Dem dey linked from inside the lessons. The quiz app fit run locally or you fit deploy am to Azure; follow the instruction wey dey the `quiz-app` folder. Dem dey gradually being localized.
|
||||
> **A note about quizzes**: All quizzes dey contained for the Quiz-app folder for etc\quiz-app, or [Online Here](https://ff-quizzes.netlify.app/) They dey linked from inside the lessons. The quiz app fit run locally or fit deploy to Azure; follow the instruction for the `quiz-app` folder. Dem dey gradually localize dem.
|
||||
|
||||
## Help Wanted
|
||||
|
||||
You get suggestions or you find spelling or code errors? Raise an issue or create a pull request.
|
||||
You get suggestions or you see spelling or code errors? Raise an issue or create a pull request.
|
||||
|
||||
## Special Thanks
|
||||
|
||||
* **✍️ Primary Author:** [Dmitry Soshnikov](http://soshnikov.com), PhD
|
||||
* **🔥 Editor:** [Jen Looper](https://twitter.com/jenlooper), PhD
|
||||
* **🎨 Person wey draw sketchnotes:** [Tomomi Imura](https://twitter.com/girlie_mac)
|
||||
* **🎨 Sketchnote illustrator:** [Tomomi Imura](https://twitter.com/girlie_mac)
|
||||
* **✅ Quiz Creator:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/)
|
||||
* **🙏 Main Contributors:** [Evgenii Pishchik](https://github.com/Pe4enIks)
|
||||
* **🙏 Core Contributors:** [Evgenii Pishchik](https://github.com/Pe4enIks)
|
||||
|
||||
## Other Curricula
|
||||
|
||||
Our team dey produce other curricula! Check dem out:
|
||||
Our team dey produce other curricula! Check am out:
|
||||
|
||||
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
||||
### LangChain
|
||||
|
|
@ -204,19 +205,19 @@ Our team dey produce other curricula! Check dem out:
|
|||
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
||||
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
||||
|
||||
## How to get Help
|
||||
## Getting Help
|
||||
|
||||
If you get stuck or get any questions about building AI apps, join fellow learners and experienced developers for discussions about MCP. Na supportive community wey welcome questions and where people dey share knowledge freely.
|
||||
If you get stuck or you get any questions about building AI apps, join fellow learners and experienced developers for discussions about MCP. Na supportive community where questions welcome and knowledge dey shared freely.
|
||||
|
||||
[](https://discord.gg/nTYy5BXMWG)
|
||||
|
||||
If you get product feedback or errors while you dey build, visit:
|
||||
If you get product feedback or errors while you dey build visit:
|
||||
|
||||
[](https://aka.ms/foundry/forum)
|
||||
|
||||
---
|
||||
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
||||
Abeg note:
|
||||
Dis document na AI wey translate am — Co-op Translator. Even though we dey try make am correct, make you sabi say automatic translation fit get mistakes or wrong parts. The original document for im original language still be the authority. If na important matter, make you use professional human translator. We no dey responsible for any misunderstanding or wrong interpretation wey fit come from this translation.
|
||||
Disclaimer:
|
||||
Dis dokument don translate wit AI translation service Co-op Translator (https://github.com/Azure/co-op-translator). Even though we dey try make am correct, abeg sabi say automated translation fit get mistakes or dey inaccurate. The original dokument for im native language suppose be di official source. If na important information, make una use professional human translator. We no dey liable for any misunderstanding or wrong interpretation wey fit come from dis translation.
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER END -->
|
||||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# Introduction to AI
|
||||
|
||||
|
||||
|
||||
|
||||
> Sketchnote by [Tomomi Imura](https://twitter.com/girlie_mac)
|
||||
|
||||
|
|
@ -19,7 +19,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
Before before, na [Charles Babbage](https://en.wikipedia.org/wiki/Charles_Babbage) invent computer to dey work with numbers follow one clear process - wey dem dey call algorithm. Modern computer don advance pass the one wey dem propose for 19th century, but e still dey follow the same idea of controlled calculations. So e possible to program computer to do something if we sabi the exact steps wey we need to follow to reach the goal.
|
||||
|
||||
|
||||
|
||||
|
||||
> Photo by [Vickie Soshnikova](http://twitter.com/vickievalerie)
|
||||
|
||||
|
|
@ -45,7 +45,7 @@ For more information check **[Artificial General Intelligence](https://en.wikipe
|
|||
|
||||
One problem wey dey when we dey talk about **[Intelligence](https://en.wikipedia.org/wiki/Intelligence)** na say we no get clear definition of the word. Some people fit talk say intelligence dey connected to **abstract thinking**, or **self-awareness**, but we no fit define am well.
|
||||
|
||||
|
||||
|
||||
|
||||
> [Photo](https://unsplash.com/photos/75715CVEJhI) by [Amber Kipp](https://unsplash.com/@sadmax) from Unsplash
|
||||
|
||||
|
|
@ -97,13 +97,13 @@ Another way na to model the simplest part of our brain – neuron. We fit build
|
|||
|
||||
> | Wetin about ML? | |
|
||||
> |--------------|-----------|
|
||||
> | Part of Artificial Intelligence wey dey base on computer learning to solve problem from data na **Machine Learning**. We no go talk about classical machine learning for this course - we dey refer you to separate [Machine Learning for Beginners](http://aka.ms/ml-beginners) curriculum. |  |
|
||||
> | Part of Artificial Intelligence wey dey base on computer learning to solve problem from data na **Machine Learning**. We no go talk about classical machine learning for this course - we dey refer you to separate [Machine Learning for Beginners](http://aka.ms/ml-beginners) curriculum. |  |
|
||||
|
||||
## A Brief History of AI
|
||||
|
||||
Artificial Intelligence start as field for middle of twentieth century. At first, symbolic reasoning na the main approach, and e lead to some important success, like expert systems – computer programs wey fit act like expert for small problem areas. But e later clear say this approach no dey scale well. To take knowledge from expert, put am inside computer, and keep the knowledgebase correct dey very hard, and e too expensive for many cases. This lead to [AI Winter](https://en.wikipedia.org/wiki/AI_winter) for 1970s.
|
||||
|
||||
<img alt="Brief History of AI" src="../../../../translated_images/history-of-ai.7e83efa70b537f5a0264357672b0884cf3a220fbafe35c65d70b2c3805f7bf5e.pcm.png" width="70%"/>
|
||||
<img alt="Brief History of AI" src="../../../../translated_images/history-of-ai.7e83efa70b537f5a.pcm.png" width="70%"/>
|
||||
|
||||
> Image by [Dmitry Soshnikov](http://soshnikov.com)
|
||||
|
||||
|
|
@ -123,7 +123,7 @@ Same way, we fit see how approach for creating “talking programs” (wey fit p
|
|||
* Modern assistants like Cortana, Siri or Google Assistant na hybrid systems wey dey use Neural networks to change speech to text and understand wetin we want, then use reasoning or direct algorithms to do wetin we need.
|
||||
* For future, we fit expect complete neural-based model wey go handle talk by itself. The recent GPT and [Turing-NLG](https://www.microsoft.com/research/blog/turing-nlg-a-17-billion-parameter-language-model-by-microsoft) family of neural networks dey show big success for this.
|
||||
|
||||
<img alt="the Turing test's evolution" src="../../../../translated_images/turing-test-evol.4184696701293ead6de6e6441a659c62f0b119b342456987f531005f43be0b6d.pcm.png" width="70%"/>
|
||||
<img alt="the Turing test's evolution" src="../../../../translated_images/turing-test-evol.4184696701293ead.pcm.png" width="70%"/>
|
||||
> Foto by Dmitry Soshnikov, [foto](https://unsplash.com/photos/r8LmVbUKgns) by [Marina Abrosimova](https://unsplash.com/@abrosimova_marina_foto), Unsplash
|
||||
|
||||
## Recent AI Research
|
||||
|
|
|
|||
|
|
@ -12,7 +12,7 @@
|
|||
"\n",
|
||||
"For dis sample, we go make one simple knowledge-based system wey go fit tell which animal e be based on some physical characteristics. Dis system fit dey show as dis AND-OR tree (na just part of the whole tree, we fit add more rules join am):\n",
|
||||
"\n",
|
||||
"\n"
|
||||
"\n"
|
||||
]
|
||||
},
|
||||
{
|
||||
|
|
|
|||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# Knowledge Representation and Expert Systems
|
||||
|
||||
|
||||
|
||||
|
||||
> Sketchnote by [Tomomi Imura](https://twitter.com/girlie_mac)
|
||||
|
||||
|
|
@ -35,13 +35,13 @@ Most times, we no dey define knowledge strictly, but we dey align am with other
|
|||
* **Knowledge** na di information wey don enter our world model. For example, once we sabi wetin computer be, we go start get idea of how e dey work, how much e go cost, and wetin we fit use am do. Dis network of connected ideas na di knowledge wey we get.
|
||||
* **Wisdom** na di next level of how we sabi di world, e dey represent *meta-knowledge*, like how and when we suppose use di knowledge.
|
||||
|
||||
<img src="../../../../translated_images/DIKW_Pyramid.94126f7d2bd8db5be71c6f1658b94bd3c85342e3cb827913b556b0414d358340.pcm.png" width="30%"/>
|
||||
<img src="../../../../translated_images/DIKW_Pyramid.94126f7d2bd8db5b.pcm.png" width="30%"/>
|
||||
|
||||
*Image [from Wikipedia](https://commons.wikimedia.org/w/index.php?curid=37705247), By Longlivetheux - Own work, CC BY-SA 4.0*
|
||||
|
||||
So, di problem of **knowledge representation** na to find better way to represent knowledge inside computer as data, so e go fit dey useful automatically. We fit see am as spectrum:
|
||||
|
||||
|
||||
|
||||
|
||||
> Image by [Dmitry Soshnikov](http://soshnikov.com)
|
||||
|
||||
|
|
@ -94,7 +94,7 @@ Block Syntax | Indent | | |
|
|||
|
||||
One of di early success of symbolic AI na di **expert systems** - computer systems wey dem design to act like expert for some small problem area. Dem dey base on **knowledge base** wey dem collect from one or more human experts, and dem get **inference engine** wey dey perform reasoning on top.
|
||||
|
||||
 | 
|
||||
 | 
|
||||
---------------------------------------------|------------------------------------------------
|
||||
Simplified structure of a human neural system | Architecture of a knowledge-based system
|
||||
|
||||
|
|
@ -106,7 +106,7 @@ Expert systems dey build like human reasoning system, wey get **short-term memor
|
|||
|
||||
Example, make we look di expert system wey dey determine animal based on di physical characteristics:
|
||||
|
||||
|
||||
|
||||
|
||||
> Image by [Dmitry Soshnikov](http://soshnikov.com)
|
||||
|
||||
|
|
@ -175,7 +175,7 @@ One main idea for Semantic Web na di idea of **Ontology**. E mean say you go fit
|
|||
|
||||
For Semantic Web, all di representation na based on triplets. Each object and each relation get im own unique URI. For example, if we wan talk say na Dmitry Soshnikov develop dis AI Curriculum on Jan 1st, 2022 - na di triplets we fit use be dis:
|
||||
|
||||
<img src="../../../../translated_images/triplet.4b9b332587593298b31846eb5cf341d8f7e48da76e6692dbb7cf0fcf2fd5ab38.pcm.png" width="30%"/>
|
||||
<img src="../../../../translated_images/triplet.4b9b332587593298.pcm.png" width="30%"/>
|
||||
|
||||
```
|
||||
http://github.com/microsoft/ai-for-beginners http://www.example.com/terms/creation-date “Jan 13, 2007”
|
||||
|
|
@ -186,7 +186,7 @@ http://github.com/microsoft/ai-for-beginners http://purl.org/dc/elements/1.1/cre
|
|||
|
||||
If di case complex pass dis one, and we wan define list of creators, we fit use some data structures wey RDF define.
|
||||
|
||||
<img src="../../../../translated_images/triplet-complex.32094972c7b4441b844bd85e683ba8eedc08af12177160f11584452698f29ace.pcm.png" width="40%"/>
|
||||
<img src="../../../../translated_images/triplet-complex.32094972c7b4441b.pcm.png" width="40%"/>
|
||||
|
||||
> Diagrams wey dey above na by [Dmitry Soshnikov](http://soshnikov.com)
|
||||
|
||||
|
|
@ -210,7 +210,7 @@ GROUP BY ?eyeColorLabel
|
|||
|
||||
> ✅ If you wan try build your own ontologies, or open di ones wey don already dey, one better visual ontology editor dey wey dem dey call [Protégé](https://protege.stanford.edu/). You fit download am, or use am online.
|
||||
|
||||
<img src="../../../../translated_images/protege.274177ceeac13b38094bc425073776bb0d2525620ad6261b9d9760ebd2a8e322.pcm.png" width="70%"/>
|
||||
<img src="../../../../translated_images/protege.274177ceeac13b38.pcm.png" width="70%"/>
|
||||
|
||||
*Web Protégé editor dey open with di Romanov Family ontology. Screenshot by Dmitry Soshnikov*
|
||||
|
||||
|
|
|
|||
|
|
@ -15,7 +15,7 @@ One of di first try wey dem do to create somtin wey resemble modern neural netwo
|
|||
|
||||
| | |
|
||||
|--------------|-----------|
|
||||
|<img src='../../../../../translated_images/Rosenblatt-wikipedia.294821b285ac796d2281a556fe3de9a7aa328e34cdd25f3ac9deefa0982ea2df.pcm.jpg' alt='Frank Rosenblatt'/> | <img src='../../../../../translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9fb32bab6ae07e40faa202be1935c0fbd8c2bc2600a87bcb1.pcm.jpg' alt='The Mark 1 Perceptron' />|
|
||||
|<img src='../../../../../translated_images/Rosenblatt-wikipedia.294821b285ac796d.pcm.jpg' alt='Frank Rosenblatt'/> | <img src='../../../../../translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.pcm.jpg' alt='The Mark 1 Perceptron' />|
|
||||
|
||||
> Images [from Wikipedia](https://en.wikipedia.org/wiki/Perceptron)
|
||||
|
||||
|
|
@ -34,7 +34,7 @@ y(x) = f(w<sup>T</sup>x)
|
|||
where f na step activation function
|
||||
|
||||
<!-- img src="http://www.sciweavers.org/tex2img.php?eq=f%28x%29%20%3D%20%5Cbegin%7Bcases%7D%0A%20%20%20%20%20%20%20%20%20%2B1%20%26%20x%20%5Cgeq%200%20%5C%5C%0A%20%20%20%20%20%20%20%20%20-1%20%26%20x%20%3C%200%0A%20%20%20%20%20%20%20%5Cend%7Bcases%7D%20%5C%5C%0A&bc=White&fc=Black&im=jpg&fs=12&ff=arev&edit=0" align="center" border="0" alt="f(x) = \begin{cases} +1 & x \geq 0 \\ -1 & x < 0 \end{cases} \\" width="154" height="50" / -->
|
||||
<img src="../../../../../translated_images/activation-func.b4924007c7ce77648d4b1dd3e81c689453204902c096c626735c7b53688cdc63.pcm.png"/>
|
||||
<img src="../../../../../translated_images/activation-func.b4924007c7ce7764.pcm.png"/>
|
||||
|
||||
## Training the Perceptron
|
||||
|
||||
|
|
|
|||
|
|
@ -373,7 +373,7 @@
|
|||
"\n",
|
||||
"We don generate one dataset wey go help us do binary classification problem. But make we just assume say na multi-class classification from the beginning, so e go dey easy for us to change our code go multi-class classification later. For dis case, our one-layer perceptron go get dis kind architecture:\n",
|
||||
"\n",
|
||||
"<img src=\"../../../../../translated_images/NeuroArch.4e17cdba5e445721ad0a94a738c6f1178fc9c5f36486fb0f8fccfd61964d528c.pcm.png\" width=\"50%\"/>\n",
|
||||
"<img src=\"../../../../../translated_images/NeuroArch.4e17cdba5e445721.pcm.png\" width=\"50%\"/>\n",
|
||||
"\n",
|
||||
"The two outputs wey dey come from the network na for the two classes, and the class wey get the highest value among the two outputs na the correct answer.\n",
|
||||
"\n",
|
||||
|
|
@ -620,7 +620,7 @@
|
|||
"\n",
|
||||
"## Computational Graph\n",
|
||||
"\n",
|
||||
"<img src=\"../../../../../translated_images/ComputeGraph.463c9d8ebdcb22158e0563fcc50171dfbf3cb40443b597bc642b0f34ac23abbf.pcm.png\" width=\"600px\"/>\n",
|
||||
"<img src=\"../../../../../translated_images/ComputeGraph.463c9d8ebdcb2215.pcm.png\" width=\"600px\"/>\n",
|
||||
"\n",
|
||||
"Till dis point, we don define different classes for different layers of di network. Di way wey we fit join all those layers together na wetin we dey call **computational graph**. Now, we fit calculate di loss for one given training dataset (or part of am) like dis:\n"
|
||||
]
|
||||
|
|
@ -687,7 +687,7 @@
|
|||
"source": [
|
||||
"## Backward Propagation\n",
|
||||
"\n",
|
||||
"<img src=\"../../../../../translated_images/ComputeGraph.463c9d8ebdcb22158e0563fcc50171dfbf3cb40443b597bc642b0f34ac23abbf.pcm.png\" width=\"300px\" align=\"left\"/>\n",
|
||||
"<img src=\"../../../../../translated_images/ComputeGraph.463c9d8ebdcb2215.pcm.png\" width=\"300px\" align=\"left\"/>\n",
|
||||
"\n",
|
||||
"$$\\def\\L{\\mathcal{L}}\\def\\zz#1#2{\\frac{\\partial#1}{\\partial#2}}\n",
|
||||
"\\begin{align}\n",
|
||||
|
|
@ -1267,7 +1267,7 @@
|
|||
"* Low training loss - di model fit match training data well, because e get enough expressive power.\n",
|
||||
"* Validation loss fit dey higher pass training loss and fit start to increase during training - dis na because di model dey \"memorize\" training points, and e dey lose di \"overall picture.\"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"> For dis picture, `x` na training data, `o` na validation data. Left - linear model (one-layer), e dey match di nature of di data well. Right - overfitted model, di model dey match training data perfectly, but e no make sense for any other data (validation error dey very high).\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -65,7 +65,7 @@ Di gradient descent algorithm go still dey di same, but e go hard to calculate g
|
|||
|
||||
Notice say di left-most part of all di expressions dey di same, so we fit calculate derivatives well starting from di loss function and go "backwards" through di computational graph. So di method of training multi-layered perceptron na **backpropagation**, or 'backprop'.
|
||||
|
||||
<img alt="compute graph" src="../../../../../translated_images/ComputeGraphGrad.4626252c0de035075e5cd2b7f71b776d5e3e8f64f2dc472b4420d3fdfaf53ba8.pcm.png"/>
|
||||
<img alt="compute graph" src="../../../../../translated_images/ComputeGraphGrad.4626252c0de03507.pcm.png"/>
|
||||
|
||||
> TODO: image citation
|
||||
|
||||
|
|
|
|||
|
|
@ -58,7 +58,7 @@ Overfitting na very important concept for machine learning, and e dey very impor
|
|||
|
||||
Look this problem of trying to fit 5 dots (we dey represent with `x` for the graphs below):
|
||||
|
||||
 | 
|
||||
 | 
|
||||
-------------------------|--------------------------
|
||||
**Linear model, 2 parameters** | **Non-linear model, 7 parameters**
|
||||
Training error = 5.3 | Training error = 0
|
||||
|
|
@ -79,7 +79,7 @@ E dey very important to balance the model strength (number of parameters) and th
|
|||
|
||||
As you see for the graph above, overfitting fit show when training error dey very low, but validation error dey high. Normally, during training, both training and validation errors go dey reduce, but at one point validation error fit stop to reduce and start to increase. This na sign of overfitting, and e mean say we suppose stop training for that point (or at least save the model snapshot).
|
||||
|
||||
|
||||
|
||||
|
||||
## How to prevent overfitting
|
||||
|
||||
|
|
|
|||
|
|
@ -9,7 +9,7 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
-->
|
||||
# Introduction to Neural Networks
|
||||
|
||||
|
||||
|
||||
|
||||
As we don talk for di introduction, one way wey we fit take achieve intelligence na to train one **computer model** or one **artificial brain**. Since di middle of 20th century, researchers don dey try different mathematical models, until recent years wey dis direction don show say e dey very successful. Dis kind mathematical models of di brain dem dey call am **neural networks**.
|
||||
|
||||
|
|
@ -36,13 +36,13 @@ For dis curriculum, we go only focus on neural network models.
|
|||
|
||||
For biology, we sabi say our brain dey made up of neural cells (neurons), and each of dem get plenty "inputs" (dendrites) and one "output" (axon). Both dendrites and axons fit carry electrical signals, and di connections between dem — wey dem dey call synapses — fit get different levels of conductivity, wey neurotransmitters dey control.
|
||||
|
||||
 | 
|
||||
 | 
|
||||
----|----
|
||||
Real Neuron *([Image](https://en.wikipedia.org/wiki/Synapse#/media/File:SynapseSchematic_lines.svg) from Wikipedia)* | Artificial Neuron *(Image by Author)*
|
||||
|
||||
So, di simplest mathematical model of a neuron get plenty inputs X<sub>1</sub>, ..., X<sub>N</sub> and one output Y, plus weights W<sub>1</sub>, ..., W<sub>N</sub>. Di output na:
|
||||
|
||||
<img src="../../../../translated_images/netout.1eb15eb76fd767313e067719f400cec4b0e5090239c3e997c29f6789d4c3c263.pcm.png" alt="Y = f\left(\sum_{i=1}^N X_iW_i\right)" width="131" height="53" align="center"/>
|
||||
<img src="../../../../translated_images/netout.1eb15eb76fd76731.pcm.png" alt="Y = f\left(\sum_{i=1}^N X_iW_i\right)" width="131" height="53" align="center"/>
|
||||
|
||||
where f na one non-linear **activation function**.
|
||||
|
||||
|
|
|
|||
|
|
@ -73,14 +73,14 @@ For our [OpenCV Notebook](OpenCV.ipynb), we show some examples of how computer v
|
|||
|
||||
* **Pre-processing photograph of Braille book**. We dey focus on how we fit use thresholding, feature detection, perspective transformation and NumPy manipulations to separate Braille symbols for classification by neural network.
|
||||
|
||||
 |  | 
|
||||
 |  | 
|
||||
----|-----|-----
|
||||
|
||||
> Image from [OpenCV.ipynb](OpenCV.ipynb)
|
||||
|
||||
* **Detecting motion for video using frame difference**. If camera no dey move, di frames from di camera feed suppose dey similar. Since frames dey as arrays, if you subtract di arrays for two frames wey follow each other, you go get di pixel difference, wey suppose dey small for static frames, and go big if motion dey for di image.
|
||||
|
||||
|
||||
|
||||
|
||||
> Image from [OpenCV.ipynb](OpenCV.ipynb)
|
||||
|
||||
|
|
@ -89,7 +89,7 @@ For our [OpenCV Notebook](OpenCV.ipynb), we show some examples of how computer v
|
|||
- **Dense Optical Flow** dey calculate vector field wey show where each pixel dey move go.
|
||||
- **Sparse Optical Flow** dey use some special features for di image (like edges), and e dey build their movement from frame to frame.
|
||||
|
||||
|
||||
|
||||
|
||||
> Image from [OpenCV.ipynb](OpenCV.ipynb)
|
||||
|
||||
|
|
@ -115,7 +115,7 @@ Read more about optical flow [for dis better tutorial](https://learnopencv.com/o
|
|||
|
||||
For dis lab, you go take video wey get simple gestures, and your work na to find up/down/left/right movements using optical flow.
|
||||
|
||||
<img src="../../../../../translated_images/palm-movement.341495f0e9c47da39cc1f99626822a1d20203aa33ff89a86a068f14bea133e84.pcm.png" width="30%" alt="Palm Movement Frame"/>
|
||||
<img src="../../../../../translated_images/palm-movement.341495f0e9c47da3.pcm.png" width="30%" alt="Palm Movement Frame"/>
|
||||
|
||||
---
|
||||
|
||||
|
|
|
|||
|
|
@ -10,7 +10,7 @@
|
|||
"\n",
|
||||
"Check [dis video](../../../../../../lessons/4-ComputerVision/06-IntroCV/lab/palm-movement.mp4), wey person palm dey move go left/right/up/down for stable background.\n",
|
||||
"\n",
|
||||
"<img src=\"../../../../../../translated_images/palm-movement.341495f0e9c47da39cc1f99626822a1d20203aa33ff89a86a068f14bea133e84.pcm.png\" width=\"30%\" alt=\"Palm Movement Frame\"/>\n",
|
||||
"<img src=\"../../../../../../translated_images/palm-movement.341495f0e9c47da3.pcm.png\" width=\"30%\" alt=\"Palm Movement Frame\"/>\n",
|
||||
"\n",
|
||||
"**Your goal** na to use Optical Flow to sabi which part of di video get up/down/left/right movements.\n",
|
||||
"\n",
|
||||
|
|
|
|||
|
|
@ -15,7 +15,7 @@ Lab Assignment from [AI for Beginners Curriculum](https://aka.ms/ai-beginners).
|
|||
|
||||
Check [dis video](../../../../../../lessons/4-ComputerVision/06-IntroCV/lab/palm-movement.mp4), wey person palm dey move go left/right/up/down for stable background.
|
||||
|
||||
<img src="../../../../../../translated_images/palm-movement.341495f0e9c47da39cc1f99626822a1d20203aa33ff89a86a068f14bea133e84.pcm.png" width="30%" alt="Palm Movement Frame"/>
|
||||
<img src="../../../../../../translated_images/palm-movement.341495f0e9c47da3.pcm.png" width="30%" alt="Palm Movement Frame"/>
|
||||
|
||||
**Your goal** na to use Optical Flow take know which part of di video get up/down/left/right movements.
|
||||
|
||||
|
|
|
|||
|
|
@ -13,11 +13,11 @@ CO_OP_TRANSLATOR_METADATA:
|
|||
|
||||
VGG-16 na network wey get 92.7% accuracy for ImageNet top-5 classification for 2014. E get dis kain layer structure:
|
||||
|
||||
|
||||
|
||||
|
||||
As you fit see, VGG dey follow traditional pyramid architecture, wey be sequence of convolution-pooling layers.
|
||||
|
||||
|
||||
|
||||
|
||||
> Image from [Researchgate](https://www.researchgate.net/figure/Vgg16-model-structure-To-get-the-VGG-NIN-model-we-replace-the-2-nd-4-th-6-th-7-th_fig2_335194493)
|
||||
|
||||
|
|
@ -25,7 +25,7 @@ As you fit see, VGG dey follow traditional pyramid architecture, wey be sequence
|
|||
|
||||
ResNet na family of models wey Microsoft Research propose for 2015. Di main idea for ResNet na to use **residual blocks**:
|
||||
|
||||
<img src="../../../../../translated_images/resnet-block.aba4ccbcc094443477d7bee189d44fed695c852d710a702462d6b809155d959a.pcm.png" width="300"/>
|
||||
<img src="../../../../../translated_images/resnet-block.aba4ccbcc0944434.pcm.png" width="300"/>
|
||||
|
||||
> Image from [this paper](https://arxiv.org/pdf/1512.03385.pdf)
|
||||
|
||||
|
|
@ -37,7 +37,7 @@ You fit also think say dis network fit adjust di complexity to di dataset. For d
|
|||
|
||||
Google Inception architecture carry dis idea go one step further, and build each network layer as combination of different paths:
|
||||
|
||||
<img src="../../../../../translated_images/inception.a6605b85bcbc6f52490ec55e68109dd41924cba9d7e1007453b4cdf554199c8d.pcm.png" width="400"/>
|
||||
<img src="../../../../../translated_images/inception.a6605b85bcbc6f52.pcm.png" width="400"/>
|
||||
|
||||
> Image from [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454)
|
||||
|
||||
|
|
|
|||
|
|
@ -262,7 +262,7 @@
|
|||
"\n",
|
||||
"So, for normal CNN, e go get plenty convolutional layers, and pooling layers go dey between dem to reduce di image size. We go also increase di number of filters, because as di patterns dey more complex, we go need find more possible combinations wey dey important.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"Because di spatial dimensions dey reduce and di feature/filters dimensions dey increase, dis architecture dey also call **pyramid architecture**.\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -114,7 +114,7 @@
|
|||
"\n",
|
||||
"For classical computer vision, dem dey use plenty filters for image to generate features, wey machine learning algorithm go use take build classifier. Dis filters dey similar to di neural structures wey dey di vision system of some animals.\n",
|
||||
"\n",
|
||||
"<img src=\"../../../../../translated_images/lmfilters.ea9e4868a82cf74cdca05121b1128f0122297cf2879501cd06956beb88ff96a2.pcm.jpg\" width=\"400\"/>\n",
|
||||
"<img src=\"../../../../../translated_images/lmfilters.ea9e4868a82cf74c.pcm.jpg\" width=\"400\"/>\n",
|
||||
"\n",
|
||||
"But for deep learning, we dey build networks wey go **learn** di best convolutional filters to solve classification problem. To do dis one, we dey introduce **convolutional layers**.\n"
|
||||
]
|
||||
|
|
@ -360,7 +360,7 @@
|
|||
"\n",
|
||||
"So, for normal CNN, e go get plenty convolutional layers, wit pooling layers in between to reduce di size of di image. We go also increase di number of filters, because as di patterns dey more complex, e go get more possible combinations wey we need to dey look for.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"Because di spatial dimensions dey reduce and di feature/filters dimensions dey increase, dis architecture dey also call **pyramid architecture**.\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -17,14 +17,14 @@ For real life, we go wan sabi recognize objects for picture no matter where dem
|
|||
|
||||
To fit extract patterns, we go use di idea of **convolutional filters**. As you sabi, image na 2D-matrix, or 3D-tensor wey get color depth. To apply filter mean say we go carry small **filter kernel** matrix, and for each pixel for di original image, we go calculate di weighted average with di points wey dey near am. We fit see am like small window wey dey slide for di whole image, dey average all di pixels based on di weights for di filter kernel matrix.
|
||||
|
||||
 | 
|
||||
 | 
|
||||
----|----
|
||||
|
||||
> Image by Dmitry Soshnikov
|
||||
|
||||
Example, if we apply 3x3 vertical edge and horizontal edge filters to MNIST digits, we fit highlight (like high values) where vertical and horizontal edges dey for di original image. So, di two filters fit dey use to "find" edges. Di same way, we fit design different filters to find other low-level patterns:
|
||||
|
||||
<img src="../../../../../translated_images/lmfilters.ea9e4868a82cf74cdca05121b1128f0122297cf2879501cd06956beb88ff96a2.pcm.jpg" width="500" align="center"/>
|
||||
<img src="../../../../../translated_images/lmfilters.ea9e4868a82cf74c.pcm.jpg" width="500" align="center"/>
|
||||
|
||||
> Image of [Leung-Malik Filter Bank](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html)
|
||||
|
||||
|
|
@ -38,7 +38,7 @@ Di way CNNs dey work na based on di following important ideas:
|
|||
* We fit design di network make e train di filters by itself
|
||||
* We fit use di same method to find patterns for high-level features, no be only for di original image. So CNN feature extraction dey work for hierarchy of features, from low-level pixel combinations, reach higher level combination of picture parts.
|
||||
|
||||
|
||||
|
||||
|
||||
> Image from [a paper by Hislop-Lynch](https://www.semanticscholar.org/paper/Computer-vision-based-pedestrian-trajectory-Hislop-Lynch/26e6f74853fc9bbb7487b06dc2cf095d36c9021d), based on [their research](https://dl.acm.org/doi/abs/10.1145/1553374.1553453)
|
||||
|
||||
|
|
@ -55,9 +55,9 @@ Most CNNs wey dem dey use for image processing dey follow wetin dem dey call pyr
|
|||
|
||||
Example, make we look di architecture of VGG-16, one network wey achieve 92.7% accuracy for ImageNet's top-5 classification for 2014:
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
> Image from [Researchgate](https://www.researchgate.net/figure/Vgg16-model-structure-To-get-the-VGG-NIN-model-we-replace-the-2-nd-4-th-6-th-7-th_fig2_335194493)
|
||||
|
||||
|
|
|
|||
|
|
@ -21,7 +21,7 @@ You go need train one convolutional neural network to classify di different bree
|
|||
|
||||
We go use di [Oxford-IIIT Pet Dataset](https://www.robots.ox.ac.uk/~vgg/data/pets/), wey get pictures of 37 different breeds of dogs and cats.
|
||||
|
||||
|
||||
|
||||
|
||||
To download di dataset, use dis code snippet:
|
||||
|
||||
|
|
|
|||
|
|
@ -50,7 +50,7 @@
|
|||
"\n",
|
||||
"To show wetin ideal cat go look like, we go start wit random noise image, and we go try use gradient descent optimization technique to adjust di image so di network go sabi say na cat.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"Dis na di image wey we dey start wit:\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -29,7 +29,7 @@ Both Keras and PyTorch get functions wey make am easy to load pre-trained neural
|
|||
|
||||
See example of features wey VGG-16 network extract from cat picture:
|
||||
|
||||
|
||||
|
||||
|
||||
## Cats vs. Dogs Dataset
|
||||
|
||||
|
|
@ -48,19 +48,19 @@ Pre-trained neural network get different patterns for inside e *brain*, includin
|
|||
|
||||
One way we fit try na to start with random image, then use **gradient descent optimization** technique to adjust di image so di network go dey think say na cat.
|
||||
|
||||
|
||||
|
||||
|
||||
But if we do am like dis, wetin we go get go dey like random noise. Dis na because *plenty ways dey to make network think say di input image na cat*, including some wey no go make sense for eye. Even though di images get plenty patterns wey dey typical for cat, nothing dey hold dem to look clear.
|
||||
|
||||
To make di result better, we fit add another term for di loss function, wey dem dey call **variation loss**. Na metric wey dey show how similar di neighboring pixels of di image be. If we minimize variation loss, e go make di image smooth, and remove noise - so we go fit see di patterns well. See example of dis kain "ideal" images wey dem classify as cat and zebra with high probability:
|
||||
|
||||
 | 
|
||||
 | 
|
||||
-----|-----
|
||||
*Ideal Cat* | *Ideal Zebra*
|
||||
|
||||
We fit use similar method to do wetin dem dey call **adversarial attacks** for neural network. Imagine say we wan confuse di neural network make e think say dog be cat. If we carry dog image wey di network recognize as dog, we fit adjust am small small with gradient descent optimization, until di network go dey classify am as cat:
|
||||
|
||||
 | 
|
||||
 | 
|
||||
-----|-----
|
||||
*Original picture of a dog* | *Picture of a dog classified as a cat*
|
||||
|
||||
|
|
|
|||
|
|
@ -21,7 +21,7 @@
|
|||
"\n",
|
||||
"Because we dey train autoencoder to capture as much information from the original image as e fit for better reconstruction, the network go dey try find the best **embedding** of input images to capture the meaning.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"> Image from [Keras blog](https://blog.keras.io/building-autoencoders-in-keras.html)\n",
|
||||
"\n",
|
||||
|
|
@ -941,7 +941,7 @@
|
|||
" * We go sample one vector `sample(z_val in code)` from di distribution $N(\\mathrm{z\\_mean},e^{\\mathrm{z\\_log\\_sigma}})$\n",
|
||||
" * Di decoder go try decode di original image using `sample` as di input vector\n",
|
||||
"\n",
|
||||
" <img src=\"../../../../../translated_images/vae.464c465a5b6a9e253be65a8cb3be1724832cbde57ece3912ddc962b199472a89.pcm.png\" width=\"50%\">\n",
|
||||
" <img src=\"../../../../../translated_images/vae.464c465a5b6a9e25.pcm.png\" width=\"50%\">\n",
|
||||
"\n",
|
||||
" > Image from [this blog post](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) by Isaak Dykeman\n"
|
||||
]
|
||||
|
|
@ -1264,7 +1264,7 @@
|
|||
"\n",
|
||||
"For dis method, we get **three loss functions**: generator loss, discriminator loss from GAN's, and reconstruction loss from VAE.\n",
|
||||
"\n",
|
||||
" <img src=\"../../../../../translated_images/aae.9d418a990fc75bf9204b701eb6998206fd1b986643cc4e9b899aabdd27504702.pcm.png\" width=\"50%\">\n",
|
||||
" <img src=\"../../../../../translated_images/aae.9d418a990fc75bf9.pcm.png\" width=\"50%\">\n",
|
||||
"\n",
|
||||
" > Image from [dis blog post](https://blog.paperspace.com/adversarial-autoencoders-with-pytorch/) by Felipe Ducau\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -21,7 +21,7 @@
|
|||
"\n",
|
||||
"Because we dey train autoencoder to capture as much information from the original image as e fit for better reconstruction, the network go try find the best **embedding** of input images to capture the meaning.\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"\n",
|
||||
"*Image from [Keras blog](https://blog.keras.io/building-autoencoders-in-keras.html)*\n",
|
||||
"\n",
|
||||
|
|
@ -888,7 +888,7 @@
|
|||
" * We go sample one vector `sample` from di distribution $N(\\mathrm{z\\_mean},e^{\\mathrm{z\\_log\\_sigma}})$\n",
|
||||
" * Di Decoder go try decode di original image using `sample` as di input vector\n",
|
||||
"\n",
|
||||
" <img src=\"../../../../../translated_images/vae.464c465a5b6a9e253be65a8cb3be1724832cbde57ece3912ddc962b199472a89.pcm.png\" width=\"50%\">\n"
|
||||
" <img src=\"../../../../../translated_images/vae.464c465a5b6a9e25.pcm.png\" width=\"50%\">\n"
|
||||
]
|
||||
},
|
||||
{
|
||||
|
|
|
|||
|
|
@ -19,7 +19,7 @@ But, we fit wan use raw (unlabeled) data to train CNN feature extractors, wey de
|
|||
|
||||
Since we dey train autoencoder to capture as much information from the original image as e fit for accurate reconstruction, the network go try find the best **embedding** of input images to capture the meaning.
|
||||
|
||||
|
||||
|
||||
|
||||
> Image from [Keras blog](https://blog.keras.io/building-autoencoders-in-keras.html)
|
||||
|
||||
|
|
@ -46,7 +46,7 @@ To summarize:
|
|||
* We go sample one vector `sample` from the distribution N(z<sub>mean</sub>,exp(z<sub>log\_sigma</sub>))
|
||||
* The decoder go try decode the original image using `sample` as input vector
|
||||
|
||||
<img src="../../../../../translated_images/vae.464c465a5b6a9e253be65a8cb3be1724832cbde57ece3912ddc962b199472a89.pcm.png" width="50%">
|
||||
<img src="../../../../../translated_images/vae.464c465a5b6a9e25.pcm.png" width="50%">
|
||||
|
||||
> Image from [this blog post](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) by Isaak Dykeman
|
||||
|
||||
|
|
@ -57,13 +57,13 @@ Variational auto-encoders dey use one complex loss function wey get two parts:
|
|||
|
||||
One big advantage of VAEs be say e dey allow us generate new images easily, because we sabi the distribution wey we go sample latent vectors from. For example, if we train VAE with 2D latent vector on MNIST, we fit vary components of the latent vector to get different digits:
|
||||
|
||||
<img alt="vaemnist" src="../../../../../translated_images/vaemnist.cab9e602dc08dc5066ce14e005889d6b53ca5bcaf16e35c28dbf8cd40c304de1.pcm.png" width="50%"/>
|
||||
<img alt="vaemnist" src="../../../../../translated_images/vaemnist.cab9e602dc08dc50.pcm.png" width="50%"/>
|
||||
|
||||
> Image by [Dmitry Soshnikov](http://soshnikov.com)
|
||||
|
||||
See as images dey blend into each other, as we dey get latent vectors from different parts of the latent parameter space. We fit also visualize this space for 2D:
|
||||
|
||||
<img alt="vaemnist cluster" src="../../../../../translated_images/vaemnist-diag.694315f775d5d666b02fb54f8fc7c64db65a9d126a16c2fdb8683cf9726f9ff5.pcm.png" width="50%"/>
|
||||
<img alt="vaemnist cluster" src="../../../../../translated_images/vaemnist-diag.694315f775d5d666.pcm.png" width="50%"/>
|
||||
|
||||
> Image by [Dmitry Soshnikov](http://soshnikov.com)
|
||||
|
||||
|
|
|
|||
|
|
@ -15,7 +15,7 @@
|
|||
" * **Generator** go take random vector, and e suppose create image from am\n",
|
||||
" * **Discriminator** na network wey suppose sabi di difference between original image (from training dataset) and di one wey generator create.\n",
|
||||
"\n",
|
||||
"<img src=\"../../../../../translated_images/gan_architecture.8f3a5ab62b8d5d698a91f7668017d8e09b81c5d8e7cc99bdb23979d90a0c475e.pcm.png\" width=\"70%\"/>\n"
|
||||
"<img src=\"../../../../../translated_images/gan_architecture.8f3a5ab62b8d5d69.pcm.png\" width=\"70%\"/>\n"
|
||||
]
|
||||
},
|
||||
{
|
||||
|
|
@ -670,7 +670,7 @@
|
|||
"cell_type": "markdown",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"<img src=\"../../../../../translated_images/dcgan_generator.b500988ec2bc8ba5cb38dae855fece348933171227c0536743b9c3b599f33f3d.pcm.png\" width=\"60%\"/>\n",
|
||||
"<img src=\"../../../../../translated_images/dcgan_generator.b500988ec2bc8ba5.pcm.png\" width=\"60%\"/>\n",
|
||||
"\n",
|
||||
"> Foto dey from [dis tutorial](https://pytorch.org/tutorials/beginner/dcgan_faces_tutorial.html)\n"
|
||||
]
|
||||
|
|
|
|||
|
|
@ -15,7 +15,7 @@
|
|||
" * **Generator** go take random vector, and e suppose generate image from am\n",
|
||||
" * **Discriminator** na network wey suppose sabi di difference between original image (from training dataset) and di one wey generator create.\n",
|
||||
"\n",
|
||||
"<img src=\"../../../../../translated_images/gan_architecture.8f3a5ab62b8d5d698a91f7668017d8e09b81c5d8e7cc99bdb23979d90a0c475e.pcm.png\" width=\"70%\"/>\n"
|
||||
"<img src=\"../../../../../translated_images/gan_architecture.8f3a5ab62b8d5d69.pcm.png\" width=\"70%\"/>\n"
|
||||
]
|
||||
},
|
||||
{
|
||||
|
|
|
|||
|
|
@ -17,7 +17,7 @@ But, if we wan generate something wey really make sense, like painting wey get b
|
|||
|
||||
Di main idea for GAN na to get two neural networks wey go dey train against each other:
|
||||
|
||||
<img src="../../../../../translated_images/gan_architecture.8f3a5ab62b8d5d698a91f7668017d8e09b81c5d8e7cc99bdb23979d90a0c475e.pcm.png" width="70%"/>
|
||||
<img src="../../../../../translated_images/gan_architecture.8f3a5ab62b8d5d69.pcm.png" width="70%"/>
|
||||
|
||||
> Image by [Dmitry Soshnikov](http://soshnikov.com)
|
||||
|
||||
|
|
@ -41,7 +41,7 @@ Generator small tricky pass. You fit see am as reversed discriminator. E dey sta
|
|||
|
||||
> ✅ Because convolution layer dey work like linear filter wey dey waka through di image, deconvolution dey similar to convolution, and we fit implement am using di same layer logic.
|
||||
|
||||
<img src="../../../../../translated_images/gan_arch_detail.46b95fd366f8e543170264fe07e516683ac3e5bb699392c35449e99590a11063.pcm.png" width="70%"/>
|
||||
<img src="../../../../../translated_images/gan_arch_detail.46b95fd366f8e543.pcm.png" width="70%"/>
|
||||
|
||||
> Image by [Dmitry Soshnikov](http://soshnikov.com)
|
||||
|
||||
|
|
|
|||
Loading…
Reference in New Issue