وب سرویس مجید
این ابزار چیه؟ یه اکشن گیتهاب هست که بهت اجازه میده از Selenium با Python استفاده کنی و تستهای خودتو توی محیط Headless یا NonHeadless اجرا کنی. کاربرد: این اکشن برای اجرای تستهای اتوماتیک مرورگری طراحی شده — مناسب برای تست رفتار کاربر، اسکرینشات گرفتن، اسکرپینگ هوشمند یا شبیهسازی تعامل با سایت. ...
کاربرد: این کتابخانه به تو اجازه میده به راحتی با APIهای سِلَک کار کنی و رباتهای هوشمند، اپلیکیشنهای اتوماسیون یا ابزارهای مدیریت تیم رو تو محیط سِلَک پیادهسازی کنی. در چه شرایطی بهتره استفاده بشه؟ وقتی میخوای یک ربات در سِلَک بسازی، پیامهای خودکار بفرستی، اکشنهای کاربر رو مدیریت کنی یا دادهه ...
کاربرد: این مخزن پر از مثالهای کوچک، عملی و کاربردی از پایتون هست که به تو کمک میکنه مفاهیم رو با مثالهای واقعی یاد بگیری، نه با تئوری خشک در چه شرایطی بهتره استفاده بشه؟ وقتی میخوای یه مفهوم پایتون رو سریع و با مثال ملموس یاد بگیری، یا دنبال راهحلهای سریع برای مشکلات روزمره کدنویسی هستی مخصوص ...
این یک پروژه جامع و چندمنظوره در حوزه اسکرپینگ و جمعآوری داده با پایتون است که شامل مجموعهای از اسکریپتها و ابزارهای قدرتمند برای استخراج اطلاعات از وبسایتهای مختلف است. کاربرد: این پروژه برای توسعهدهندگان و دانشجویانی که میخواهند با تکنیکهای اسکرپینگ آشنا شوند یا داده از وبسایتهای پیچیده ...
این یک کتابخانهٔ پایتونی برای ساخت ماشینهای حالت محدود (Finite State Machines) به شکلی ساده و خوانا است. ️ با استفاده از آن میتوانید رفتارهای پیچیدهٔ سیستمهای گسسته را با تعریف حالتها، گذارها و رویدادها مدیریت کنید. کاربرد: این کتابخانه به شما کمک میکند تا منطق برنامههایی که نیاز به تغییر حالت ...
این پروژه ترکیبی از پایتون و Terraform است که به توسعهدهندگان کمک میکند تا زیرساختهای ابری را به صورت خودکار و با استفاده از کد مدیریت کنند کاربرد: این پروژه برای کسانی طراحی شده که میخواهند با استفاده از پایتون، تنظیمات و استقرار زیرساختهای Terraform را خودکار کنند. همچنین میتوان از آن برای ت ...
این یک چارچوب خودکارسازی تست با استفاده از پایتون و سلنیوم است که به توسعهدهندگان و تسترها کمک میکند تا تستهای رگرسیون، واسط کاربری و عملکرد برنامههای تحت وب را به صورت خودکار اجرا کنند. کاربرد: این فریمورک برای اتوماسیون تست نرمافزار طراحی شده و با استفاده از سلنیوم، مرورگرها را کنترل میکند ...
کاربرد: این مجموعه آموزشی برای تحلیلگران کسبوکار و معاملهگران طراحی شده تا بتوانند با استفاده از پایتون، دادهها را تحلیل کنند، گزارشهای خودکار ایجاد کنند و فرآیندهای تجاری را بهینهسازی کنند. در چه شرایطی بهتره استفاده بشه؟ وقتی که نیاز به تحلیل سریع دادههای مالی، پردازش حجم بالای اطلاعات یا خو ...
کاربرد: این افزونه قبلاً برای پشتیبانی از زبان پایتون در ویرایشگر Visual Studio Code استفاده میشد و امکاناتی مثل تکمیل کد، دیباگ، و اجرا را فراهم میکرد. ️ در چه شرایطی بهتره استفاده بشه؟ استفاده از این نسخه دیگر توصیه نمیشود، چون توسعهاش متوقف شده و اکنون در شاخهٔ مایکروسافت ادغام شده است. بهتره ...
این پروژه شامل اسکریپتها و تنظیمات لازم برای کامپایل CPython با استفاده از Emscripten است تا پایتون به صورت WebAssembly اجرا شود. کاربرد: با این پروژه میتونید پایتون رو مستقیماً در مرورگر اجرا کنید، بدون نیاز به سرور یا محیط اجرای سنتی. ایدهآل برای ابزارهای آموزشی، ویرایشگرهای آنلاین کد، یا اجرای ...
کاربرد: این پروژه یک دوره آموزشی برای یادگیری توسعه فرانتاند وب با استفاده از صرفاً پایتون است، بدون نیاز به دانستن جاوااسکریپت. این دوره به شما میآموزد چگونه با ابزارهایی مثل PyScript و Pyodide، برنامههای تعاملی وب را مستقیماً در مرورگر با پایتون بسازید. در چه شرایطی بهتره استفاده بشه؟ اگر به پا ...
کاربرد: این یک تمپلیت آموزشی برای شرکت در رویداد Python Week 2022 هست که توسط Linuxtips برگزار شد و به کاربران کمک میکنه تا با پایتون آشنا بشن و پروژههای کوچک و عملی رو گام به گام پیادهسازی کنن. در چه شرایطی بهتره استفاده بشه؟ اگر دنبال یک راهنمای ساختاریافته برای یادگیری عملی پایتون هستی، این تم ...
کاربرد: این خبرنامه هفتگی رایگان، گردآوریای از جذابترین و مفیدترین مطالب مرتبط با پایتون است — شامل مقالات، آموزشها، پروژههای متنباز، ویدیوها، پادکستها و موضوعات داغ هفته در چه شرایطی بهتره استفاده بشه؟ اگر توسعهدهنده پایتون هستی، دانشجویی که میخوای بهروز بمونی، یا فقط به زبان علاقه داری، ا ...
ساخت رباتهای هوش مصنوعی واتساپ با استفاده از پایتون این پروژه به توسعهدهندگان اجازه میدهد تا رباتهای هوشمند واتساپ را مستقیماً با زبان پایتون بسازند، بدون نیاز به فریمورکهای پیچیده یا زبانهای دیگر. کاربرد: این ابزار برای ساخت رباتهای پاسخگوی خودکار در واتساپ مناسب است، مثل رباتهای پشتیبا ...
این پروژه یک ربات واتساپ مبتنی بر پایتون است که به توسعهدهندگان اجازه میدهد بهراحتی با API واتساپ کار کنند. کاربرد: این ابزار برای ساخت رباتهای هوشمند واتساپ مناسب است — از پشتیبانی مشتری گرفته تا ارسال خودکار محتوا و تعامل با کاربران در مقیاس بزرگ. در چه شرایطی بهتره استفاده بشه؟ وقتی نیاز د ...
این یک کتابخانهٔ پایتونی برای شبیهسازی API و تست نرمافزار است که با استفاده از Testcontainers و WireMock کار میکند. ️ کاربرد: این ابزار به تو اجازه میده تا سرویسهای خارجی مثل APIهای ثالث رو در محیط تست شبیهسازی کنی، بدون اینکه وابسته به دسترسی واقعی به اونها باشی. در چه شرایطی بهتره استفاده ب ...
این کتابخانه به شما کمک میکنه تا کار با دادههای سری زمانی رو راحتتر، سریعتر و لذتبخشتر انجام بدید با ابزارهای قدرتمند و سادهای که ارائه میده، پیشپردازش، تحلیل و مهندسی ویژگیهای زمانی رو به راحتی انجام میدید ️ کاربرد: کمک میکنه تاریخ و زمان رو به بهترین شکل استخراج، تبدیل و تحلیل کنید — م ...
این یک چارچوب پایتونی برای مدلسازی تهدیدات (Threat Modeling) است که به مهندسان امنیت و توسعهدهندگان کمک میکند تا تهدیدات امنیتی سیستمهای نرمافزاری را به صورت ساختاریافته شناسایی کنند. ️ کاربرد: این ابزار به شما کمک میکند تا با تعریف عناصر سیستم (مثل سرویسها، دیتابیسها، ترافیک شبکه و غیره) و ق ...
این یک مجموعه ابزار مفید نوشتهشده به زبان Python است که میتواند در پروژههای روزمره کدنویسی کمککننده باشد. ️ کاربرد: این ابزارها برای تسهیل کارهای متداول در پایتون طراحی شدهاند، مثل مدیریت فایل، پردازش داده، ابزارهای ریاضی، ویدئو و تصویر، و همچنین ابزارهای کمکی برای توسعهدهندگان. در چه شرایطی ب ...
این پروژه یک مجموعه آموزشی کامل برای یادگیری شبکههای عصبی و یادگیری عمیق با استفاده از کتابخانه PyTorch است. کاربرد: این مجموعه به شما کمک میکنه از صفر تا صد یادگیری عمیق رو با رویکردی عملی و گامبهگام یاد بگیرید. مناسب برای دانشجویان، محققان و توسعهدهندگانی که میخوان با مفاهیم پایه شروع کنند و ...
چه کاری انجام میده؟ ایجاد تنسورها و شبکههای عصبی پویا در پایتون با شتاب بسیار بالا از طریق GPU کاربرد: برای توسعه و آموزش مدلهای یادگیری عمیق مثل شبکههای عصبی کانولوشنی، ترانسفورمرها و مدلهای زبانی بزرگ (LLM) استفاده میشه. در چه شرایطی بهتره استفاده بشه؟ وقتی به انعطافپذیری بالا در طراحی مدل نی ...
این ابزار یک تبدیلگر مدل از PyTorch به Keras است که به توسعهدهندگان کمک میکند تا مدلهای آموزشدیده شده در فریمورک PyTorch را به فرمت قابل استفاده در Keras تبدیل کنند. کاربرد: این ابزار زمانی مفید است که بخواهی یک مدل پیچیده از PyTorch (مثل ResNet، VGG یا مدلهای سفارشی) را در محیطی با Keras یا ...
این پروژه یک راهنمای عملی از PyTorch3D هست که بهت نشون میده چطور مدلهای سهبعدی با فرمت .obj رو از زوایای مختلف رندر کنی و تصاویر دو بعدی تولید کنی ️ کاربرد: این ابزار برای کسانی که میخوان دادههای تصویری از اشیای سهبعدی برای آموزش مدلهای یادگیری ماشین تولید کنند، عالیه — مثل مواقعی که دیتاست وا ...
این پروژه یک پیادهسازی قدرتمند از مدل 3D UNet در فریمورک PyTorch است که بهطور خاص برای تقسیمبندی معنایی حجمی (volumetric semantic segmentation) طراحی شده است. کاربرد: این مدل بیشتر در حوزههای پزشکی و تصویربرداری 3D، مثل قطعهبندی اندامها، تشخیص تومور در تصاویر MRI یا CTScan استفاده میشه. ️ در ...
کاربرد: این پروژه یک پیادهسازی PyTorch از چندین الگوریتم پیشرفته یادگیری تقویتی است که شامل A2C، PPO، ACKTR و GAIL میشود. این الگوریتمها برای آموزش عاملهای هوشمند در محیطهای پیچیده استفاده میشوند و به خصوص در کنترل ربات، بازیهای ویدیویی و شبیهسازیهای دینامیکی کاربرد دارند. در چه شرایطی بهتر ...
این پروژه یک پیادهسازی غیررسمی از مقاله Arbitrary Style Transfer in Realtime with Adaptive Instance Normalization (Huang و همکاران، ICCV 2017) در فریمورک PyTorch است. کاربرد: این مدل به شما امکان میدهد تا سبک یک تصویر را به تصویر دیگری منتقل کنید، بدون محدودیت به یک سبک خاص — یعنی میتونید هر سبک ...
این پروژه یک پیادهسازی پایتونی از Variational Dropout در PyTorch است که بهجای حذف تصادفی نورونها، وزنهای کماهمیت شبکه عصبی را شناسایی و حذف میکند تا مدلی کمحجم و کارآمد ایجاد شود. ️ کاربرد: این روش برای کاهش اندازه مدلهای یادگیری عمیق و افزایش کارایی آنها بدون افت چشمگیر در دقت استفاده میش ...
این پروژه یک شبکه عصبی کانولوشنی بیزی (Bayesian CNN) را با استفاده از استنتاج تغییراتی (Variational Inference) در چارچوب PyTorch پیادهسازی میکند. ایده اصلی بر اساس مقاله "Bayes by Backprop" است که به جای وزنهای قطعی، توزیع احتمالی روی وزنها فرض میشود تا عدم قطعیت مدل کمیسازی شود. کاربرد: این م ...
این پروژه یک پیادهسازی ساده و کاربردی از روش جستجوی بیم (Beam Search) در فریمورک PyTorch برای مدلهای seq2seq (دنباله به دنباله) ارائه میدهد. کاربرد: این ابزار برای بهبود کیفیت خروجی مدلهای تولید متن مثل ترجمه ماشینی، تولید خلاصه، گفتار متنی و چتباتها استفاده میشه. به جای استفاده از جستجوی حر ...
این پروژه یک مدل تشخیص اسامی خاص (NER) برای زبان کرهای است که از ترکیب KoBERT و CRF استفاده میکند. کاربرد: تشخیص خودکار اسامی اشخاص، مکانها، سازمانها و سایر موجودیتهای مهم در متنهای کرهای. در چه شرایطی بهتره استفاده بشه؟ وقتی با متون کرهای سروکار داری و نیاز به استخراج اطلاعات ساختاریافته از ...
کاربرد: این پروژه شامل آموزشهای عملی و پروژههای جالب با PyTorch هست که به تو کمک میکنه به راحتی با این چارچوب یادگیری عمیق آشنا بشی. از جمله پروژهها میتونی به تولید متن با شبکه عصبی، تبدیل سبک تصاویر (Neural Style)، نوشتن شعر با هوش مصنوعی و حتی تولید انیمه رو نام برد. در چه شرایطی بهتره استفاد ...
این پروژه یک پیادهسازی ساده و کارآمد از Center Loss در فریمورک PyTorch است که برای بهبود عملکرد مدلهای یادگیری عمیق در وظایف طبقهبندی استفاده میشود. کاربرد: این تابع زیان (loss function) به همراه Softmax استفاده میشود تا علاوه بر جداسازی کلاسها، نمونههای هر کلاس را حول یک مرکز (centroid) فشر ...
کاربرد: این پروژه یک پیادهسازی عملی از شبکههای عصبی کانولوشنی معروف در فریمورک PyTorch برای دیتاست CIFAR100 هست . شامل مدلهای مختلفی مثل ResNet، DenseNet، VGG، Inception، MobileNet، ShuffleNet و بسیاری دیگر میشه تا کاربران بتونن عملکرد این معماریها رو در یک محیط استاندارد مقایسه کنند. در چه شر ...
این پروژه چه کاربردی داره؟ این پروژه برای انجام وظایف طبقهبندی تصاویر با استفاده از کتابخانه PyTorch طراحی شده و شامل پیادهسازیهای استاندارد از مدلهای یادگیری عمیق مثل ResNet، DenseNet و غیره است. همچنین ابزارهایی برای آموزش، ارزیابی و تست مدلها فراهم میکند. در چه شرایطی بهتره استفاده بشه؟ اگر ...
این یک پروژه پایتونی بر پایه PyTorch برای انجام طبقهبندی تصویر است که تمام مراحل یک پروژه واقعی یادگیری ماشین را پوشش میدهد. کاربرد: این پروژه به شما کمک میکنه تا یک سیستم کامل طبقهبندی تصاویر را از صفر تا صد پیادهسازی کنید. شامل آموزش مدل، پیشبینی، استفاده از TTA (Test Time Augmentation)، ترک ...
این یک کتابخانهٔ افزونه برای PyTorch هست که شامل مجموعهای از الگوریتمهای بهینهسازی شده برای خوشهبندی گراف در یادگیری ماشین و یادگیری عمیق روی دادههای گرافی (مانند Graph Neural Networks) است. کاربرد: این کتابخانه به تو اجازه میده تا عملیات خوشهبندی مثل Metis، kmeans، و grid clustering رو به صو ...
این پروژه چه کاربردی داره؟ این پروژه به تو کمک میکنه تا بفهمی چطور یک شبکه عصبی کانولوشنی (CNN) در حال کار کردن چی تصمیم میگیره. با استفاده از تکنیکهای بصریسازی، میتونی ببینی کدوم قسمتهای تصویر بیشترین تأثیر رو روی خروجی مدل دارن. در چه شرایطی بهتره استفاده بشه؟ وقتی میخوای مدلهای پیچیدهی خ ...
کاربرد: این پروژه پیادهسازی C++ از آموزشهای PyTorch رو ارائه میده، تا کاربران بتونن از قابلیتهای PyTorch روی محیط C++ استفاده کنن. مناسب کسانیه که میخوان یادگیری ماشین رو با عملکرد بالا و بدون وابستگی به پایتون پیش ببرن. در چه شرایطی بهتره استفاده بشه؟ وقتی نیاز به اجرای مدلهای یادگیری ماشین ب ...
این یک پیادهسازی تمیز و خوانا از مدل CycleGAN با استفاده از PyTorch است. کاربرد: این پروژه برای تبدیل تصاویر از یک دامنه به دامنه دیگر بدون نیاز به جفتهای همتراز (paired data) استفاده میشه. مثلاً تبدیل عکسهای شهری به نقاشیهای شب یا تبدیل اسب به زرافه! ️ در چه شرایطی بهتره استفاده بشه؟ وقتی می ...
کاربرد: این پروژه یک ابزار قدرتمند برای تبدیل تصویر به تصویر (ImagetoImage Translation) با استفاده از شبکههای متقابل (GAN) در پایتون و کتابخانه PyTorch است. شامل پیادهسازی دو مدل معروف CycleGAN و pix2pix میشود که برای تبدیل تصاویر بدون نیاز به جفتهای دقیق آموزشی (در حالت CycleGAN) یا با استفاده ...
کاربرد: این پروژه یک پیادهسازی از مدل DeepLab v3+ در PyTorch است که برای تقسیمبندی معنایی تصاویر (Semantic Segmentation) استفاده میشه. این مدل قادر به تشخیص و جداسازی دقیق اشیاء در تصاویر است و از معماری Xception به عنوان بکبن (backbone) پشتیبانی میکنه، همچنین امکان استفاده از بکبنهای دیگر هم ...
کاربرد: این پروژه شامل مطالب آموزشی برای یادگیری کتابخانه PyTorch در حوزه یادگیری عمیق است و به مبتدیان کمک میکند از صفر تا حرفهای این فناوری را فرا بگیرند. در چه شرایطی بهتره استفاده بشه؟ اگر میخواهی وارد دنیای یادگیری ماشین و شبکههای عصبی با پایتون شوی و هنوز با PyTorch آشنا نیستی، این منبع گا ...
این یک الگوی آماده برای پروژههای دید ماشین با استفاده از PyTorch است که به تو کمک میکنه سریعتر شروع کنی و زمان کمتری صرف پیکربندی اولیه کنی. کاربرد: این تمپلیت یک ساختار استاندارد و تمیز برای پیادهسازی مدلهای یادگیری عمیق در حوزهٔ بینایی کامپیوتر فراهم میکنه — مثل طبقهبندی تصاویر، تشخیص اشیا ...
این پروژه برای یادگیری توصیفکنندههای بصری متراکم از اشیا استفاده میشود تا به رباتها در دستکاری دقیق اشیا کمک کند. کاربرد: این کد به رباتها اجازه میدهد تا شباهتهای بین نقاط مختلف یک شیء را درک کنند، مثلاً تشخیص دهند که دو طرف یک لیوان چطور به هم مربوط میشوند. این موضوع به آنها کمک میکند حرک ...
کاربرد: این پروژه یک نسخهٔ ترجمهشده به فارسی از مستندات رسمی PyTorch است که به توسعهدهندگان و محققان فارسیزبان کمک میکند تا بدون نیاز به تسلط کامل به زبان انگلیسی، با قابلیتهای کتابخانهٔ قدرتمند یادگیری ماشین PyTorch آشنا شوند و از آن استفاده کنند. در چه شرایطی بهتره استفاده بشه؟ وقتی که داری ب ...
کاربرد: این پروژه یک پیادهسازی PyTorch از شبکههای کانولوشنی کامل (Fully Convolutional Networks) است که برای وظایف تقسیمبندی نمونهای (Semantic Segmentation) استفاده میشود. ️ این کتابخانه به توسعهدهندگان و محققان کمک میکند تا مدلهای FCN را بر روی دادههای خود آموزش دهند و نتایج اصلی مقاله اصلی ...
محاسبهی نمرهی FID با استفاده از PyTorch کاربرد: این ابزار برای محاسبهی Fréchet Inception Distance (FID) استفاده میشه، که یک معیار رایج برای ارزیابی کیفیت تصاویر تولید شده توسط مدلهای مولد مثل GAN هاست. با استفاده از این ابزار میتونید عملکرد مدلهای تولید تصویر رو به صورت کمّی ارزیابی کنید. ️ در ...
این پروژه شامل پیادهسازی مدلهای Factorization Machines (FM) در چارچوب PyTorch است. این مدلها برای کارهای پیشبینی و رتبهبندی در دادههای اسپارس (پراکنده) مثل سیستمهای توصیهگر مناسب هستند. کاربرد: این کتابخانه برای پیادهسازی و آموزش مدلهای Factorization Machine در وظایفی مثل پیشبینی رتبهها، ...
چه کاری انجام میده؟ این پروژه یک کتابخانه قدرتمند برای پیشبینی سریهای زمانی با استفاده از PyTorch و sktime هست که مدلهای یادگیری عمیق مثل LSTM، GRU و Transformer رو برای تحلیل دادههای زمانی فراهم میکنه. کاربرد: توی موقعیتهایی که نیاز به پیشبینی دقیق داریم، مثل پیشبینی فروش، تقاضا، قیمت سهام، ...
کاربرد: این پروژه یک پیادهسازی از مدل GAT (Graph Attention Network) به کمک PyTorch است که بر اساس مقاله اصلی Veličković و همکاران توسعه داده شده. این مدل برای کارهای مربوط به یادگیری نمودارها (Graph Learning) مناسب است و با استفاده از مکانیزم توجه، اهمیت همسایگان هر گره را در نمودار تعیین میکند. ه ...
این یک شبکه متضاد مولد ساده (GAN) در PyTorch است که برای درک مبانی ساخت و آموزش مدلهای تولیدی طراحی شده. کاربرد: این پروژه به تو کمک میکنه تا با مفاهیم پایه Generative Adversarial Networks آشنا بشی و بدون دردسر زیاد، یک مدل تولیدی ساده رو پیادهسازی کنی. در چه شرایطی بهتره استفاده بشه؟ اگر تازه با ...
چه کاربردی داره؟ این کتابخانه یک ابزار قدرتمند برای ساخت و آموزش شبکههای عصبی گرافی (Graph Neural Networks) روی پایهٔ PyTorch هست. به کمک این کتابخانه میتونی دادههای ساختار گرافی مثل شبکههای اجتماعی، مولکولهای شیمیایی یا سیستمهای توصیهگر رو پردازش کنی و مدلهای یادگیری ماشین روی اونها آموزش ...
چیه؟ PyTorch Geometric Temporal یک کتابخانه متنباز بر پایه PyTorch و PyTorch Geometric است که برای پردازش سیگنالهای فضاییزمانی (Spatiotemporal) طراحی شده. این ابزار به توسعهدهندگان و محققان کمک میکند تا از مدلهای یادگیری ماشین عصبی برای تحلیل دادههایی که هم جنبه مکانی (مانند گراف) و هم جنبه زم ...
کاربرد: این ابزار به تو کمک میکنه تا بفهمی مدل هوش مصنوعی چشمکی به کدوم قسمتهای تصویر نگاه کرده تا به یک تصمیم برسه. از تکنیک GradCAM استفاده میکنه تا نقشههای حرارتی (Heatmap) ایجاد کنه و تمرکز مدل رو روی تصویر نشون بده. پشتیبانی از مدلهای مختلف مثل CNN، Vision Transformers، و کاربردهایی مثل طب ...
این پروژه یک زمانبندیکننده نرخ یادگیری برای PyTorch ارائه میدهد که نرخ یادگیری را بهصورت تدریجی در ابتدای آموزش افزایش میدهد. این روش به پایداری آموزش کمک میکند، بهویژه در مدلهای بزرگ یا زمانی که از وزنهای اولیه نامناسب استفاده میشود. کاربرد: این ابزار برای آموزش مدلهای یادگیری عمیق با پا ...
این یک پیادهسازی با استفاده از PyTorch از مدل GraphRel است که برای استخراج رابطه در متن طراحی شده است. این مدل با ترکیب اطلاعات ساختاری جمله و گرافهای وابستگی، دقت استخراج روابط را افزایش میدهد. کاربرد: این پروژه برای استخراج روابط بین موجودیتها در پردازش زبان طبیعی (NLP) استفاده میشه، مثل تشخی ...
کتاب PyTorch Handbook یک منبع باز و جامع برای یادگیری کتابخانه PyTorch در حوزه یادگیری عمیق است. کاربرد: این کتاب به شما کمک میکند تا با مفاهیم پایه تا پیشرفته PyTorch آشنا شوید، از جمله ساخت مدلهای عصبی، آموزش و ارزیابی آنها، و اجرای پروژههای واقعی با کدهای تستشده و قابل اجرا. در چه شرایطی بهت ...
این پروژه یک پیادهسازی PyTorch از مدلهای طبقهبندی تصویر است که برای مجموعهدادههای معروفی مثل CIFAR10, CIFAR100, MNIST, FashionMNIST, KuzushijiMNIST و حتی ImageNet طراحی شده. کاربرد: این مخزن به تو کمک میکنه تا مدلهای یادگیری عمیق برای طبقهبندی تصاویر رو به راحتی آموزش بدی، ارزیابی کنی و مقای ...
این پروژه شامل آموزشهای عملی برای پیادهسازی معماریهای مهم یادگیری عمیق در زمینه طبقهبندی تصاویر با استفاده از PyTorch و TorchVision است. ️ کاربرد: این مجموعه برای یادگیری نحوه ساخت، آموزش و ارزیابی مدلهای طبقهبندی تصویر بسیار مناسب است. شامل کدهای شفاف، توضیحات گامبهگام و مقایسه مدلهای مختل ...
این پروژه بزرگترین مجموعهٔ مدلهای تشخیص تصویر مبتنی بر PyTorch را در خود جای داده است. کاربرد: این کتابخانه برای استخراج ویژگیهای تصویر (image encoding) و استفاده به عنوان backbone در مدلهای یادگیری عمیق کاربرد دارد. مناسب برای کارهایی مثل طبقهبندی تصاویر، تشخیص اشیا، بینایی ماشین و انتقال سبک ( ...
این یک کتابخانهٔ پایتونی برای PyTorch است که شامل معماریهای پیشرفته، مدلهای از پیش آموزش دیده و نتایج بهروزشده در زمان واقعی میشود. کاربرد: این کتابخانه به محققان و توسعهدهندگان کمک میکند تا به سرعت از آخرین مدلهای هوش مصنوعی استفاده کنند، آنها را ارزیابی نمایند و در پروژههای خود پیادهسازی ...
کاربرد: این ابزار به تو کمک میکنه تا هر مدل هوش مصنوعی دلخواهی رو بدون تغییر دادن کد، روی چندین GPU یا TPU آموزش بدی. با استفاده از این کتابخونه، مدیریت آموزش مدلهای بزرگ مثل ترانسفورمرها یا مدلهای چندوجهی خیلی راحتتر میشه. در چه شرایطی بهتره استفاده بشه؟ وقتی میخوای یک مدل بزرگ رو سریع و کارآم ...
این یک الگوی آماده برای PyTorch Lightning است که به توسعهدهندگان کمک میکند تا به راحتی کدهای موجود PyTorch خود را به Lightning تبدیل کنند، بدون اینکه نیاز به بازنویسی کامل داشته باشند. کاربرد: این الگو برای کسانی مناسب است که میخواهند از مزایای PyTorch Lightning مثل مدیریت بهتر کد، پشتیبانی از mu ...
این پروژه مجموعهای از توابع ضرر (loss) پیشرفته برای استفاده در آموزش مدلهای یادگیری عمیق با PyTorch ارائه میدهد. کاربرد: این کتابخانه برای بهبود آموزش مدلهای طبقهبندی، تشخیص چهره، تشخیص اشیا و وظایف پردازش تصویر بسیار مفید است. از جمله توابع ضرر موجود: Label Smoothing برای جلوگیری از اطمینان بی ...
این پروژه یک ابزار کاربردی برای یافتن بهترین نرخ یادگیری در آموزش مدلهای یادگیری عمیق با استفاده از PyTorch است. کاربرد: این ابزار با اجرای یک تست محدوده نرخ یادگیری (Learning Rate Range Test)، به شما کمک میکنه تا نرخ یادگیری بهینه برای آموزش مدلتون رو پیدا کنید. این کار با افزایش تدریجی نرخ یادگ ...
این ابزار به تو کمک میکنه تا مصرف حافظه در پایتورچ رو دقیقتر رصد و تحلیل کنی. با استفاده از این کتابخانه میتونی بفهمی کدوم تنسورها یا عملیات حافظه زیادی مصرف میکنن و کجای کد مشکل داره. کاربرد: این ابزار برای دیباگ کردن مموری لیک، بهینهسازی مدلهای عمیق و کاهش استفاده از GPU عالیه. همچنین میتون ...
این ابزار به شما کمک میکنه تا مصرف حافظه در PyTorch رو در حین آموزش مدلهای یادگیری عمیق رصد کنید ️️ با استفاده از این کتابخانه میتونید جلوی نشت حافظه (Memory Leak) رو بگیرید و عملکرد بهتری از GPU داشته باشید کاربرد: این ابزار برای ردیابی استفاده از حافظه GPU در طول آموزش مدلهای پایتونی با PyTor ...
این یک کتابخانهٔ پایتونی برای یادگیری کمنمونه (fewshot learning) و یادگیری متا (metalearning) در چارچوب PyTorch است. کاربرد: این پروژه ابزارها و ماژولهایی را فراهم میکند که به محققان و توسعهدهندگان کمک میکند تا آزمایشهای متایادگیری را بهراحتی پیادهسازی کنند، از جمله دیتالودرهای آماده برای مع ...
کاربرد: این کتابخانه به تو کمک میکنه تا از یادگیری متریک عمیق (Deep Metric Learning) به راحتی در پروژههای خودت استفاده کنی. با استفاده از این ابزار، میتونی مدلهای یادگیری ماشین رو آموزش بدی تا تشخیص بدن، تشخیص چهره، جستجوی تصویر و موارد مشابه رو بهتر انجام بدن. کتابخونه کاملاً ماژولار و انعطافپ ...
این پروژه یک پیادهسازی غیررسمی از مدلهای MPIIGaze و MPIIFaceGaze با استفاده از PyTorch است. کاربرد: این مدل برای تشخیص جهت نگاه (gaze estimation) در تصاویر چهره طراحی شده و میتونه توی پروژههای مرتبط با تعامل انسان و کامپیوتر، رباتیک یا سیستمهای نظارتی کاربرد داشته باشه. ️️ در چه شرایطی بهتره ا ...
این پروژه یک کتابخانهٔ سریع و قابل تمایز برای محاسبهٔ معیارهای کیفیت تصویر SSIM و MSSSIM در PyTorch ارائه میدهد. کاربرد: این ابزار برای ارزیابی کیفیت تصاویر تولیدی (مثل خروجی مدلهای ژنراتیو) نسبت به تصاویر اصلی استفاده میشه. مخصوصاً زمانی که نیاز به یک تابع زیان (loss) باشد که نزدیک به ادراک بینایی ...
این پروژه یک پیادهسازی از مدل UNet++ با استفاده از کتابخانه PyTorch است که برای وظایف تقسیمبندی تصویر (Image Segmentation) طراحی شده است. ️ کاربرد: این مدل عمدتاً در حوزههای پزشکی و بینایی ماشین مانند تشخیص تومور، تقسیمبندی اندامها در تصاویر MRI یا Xray و همچنین در پردازش تصاویر ماهوارهای استف ...