Tensorflow(@CVision)

#آموزش
خیلی وقت ها آموزش مدل ما چند روز یا چند هفته طول میکشه و منطقی نیست بی احتیاطی کنیم و فقط در آخرش مدلمونو سیو کنیم!
با #callback تو فریم ورک #keras میتونید تعریف کنید که بعد از هر ایپاک یا هر چند ایپاک یکبار یا مثلا بعد از این که loss تون کمتر از قبل شد یا کلی سناریو و سیاست دیگه مدلتونو در حال اجرا سیو کنید.

https://machinelearningmastery.com/check-point-deep-learning-models-keras/

MachineLearningMastery.com

How to Checkpoint Deep Learning Models in Keras - MachineLearningMastery.com

Deep learning models can take hours, days, or even weeks to train.

If the run is stopped unexpectedly, you can lose a lot of work.

In this post, you will discover how to checkpoint your deep learning models during training in Python using the Keras…

1.9K viewsAlireza Akhavan, 07:19

Tensorflow(@CVision)

#آموزش
ذخیره #checkpoint در #keras در حین آموزش مدل

filepath = "saved-model-{epoch:02d}-{val_acc:.2f}.hdf5"
checkpoint = keras.callbacks.ModelCheckpoint(filepath, monitor='val_acc', verbose=1, save_best_only=False, mode='max')

https://t.me/cvision/1126

Tensorflow

2.0K viewsAlireza Akhavan, 07:23

Tensorflow(@CVision)

#سوال:
روی یک کامپیوتر چند GPU دارم. چه طور مدلی که با keras ایجاد کردم را روی همه GPU ها آموزش دهم؟

#پاسخ:
طبق این دستور العمل به راحتی میتوانید با استفاده از تابع multi_gpu_model مدل خود را به مدل multi_GPU تبدیل کرده و این مدل را آموزش دهید. در این صورت از تمام GPU های سیستم می‌توانید استفاده کنید.

#سوال:
قبلا (بیش از 1 سال پیش) در این پست کانال و این پست نوشتیم که از تنسرفلو 1.4 به بعد میشه مدل را به #estimator تنسرفلو تبدیل کرد.
خب esetimator که multi_GPU داره و با این روش هم میشه مدلو توزیع شده و یا رو چند GPU اجرا کرد.
آیا روشی که در بالا معرفی شد نسبت به آن روش مزیتی دارد؟

#پاسخ:
وقتی یک مدل #Keras را به estimator تبدیل می‌کنید، فقط معماری مدل را تبدیل کرده و متدهای #callback ی که برای این مدلتون تعریف کردید، نظیر تغییر Learning rate طبق سیاست هایی که نوشتید از کار میوفته!
اما متد multi_gpu_model بازهم یک مدل #keras به شما برمیگرداند، نه estimator و در نتیجه تمامی خاصیت های مدل از جمله callback method ها را حفظ خواهد کرد.

Tensorflow

#آموزش

#multi_GPU

from keras.utils import multi_gpu_model

https://www.tensorflow.org/api_docs/python/tf/keras/utils/multi_gpu_model

2.6K viewsAlireza Akhavan, edited 20:38

Tensorflow(@CVision)

قبلا اگر نمودار loss را با callbackهای keras در Tensorboard رسم کرده باشید میدانید که هر کدام از نمودارهای Train و Validation در دو نمودار مختلف رسم میشوند که اصلا منطقی نیست!
طبق این مستند تنسرفلو مثل اینکه گوگلی‌ها سر عقل اومدن و تو نسخهٔ ۲ دیگه نمودارهای callback کراس رو دیگه تو یه فیگور نشون می‌دن:
https://www.tensorflow.org/tensorboard/r2/scalars_and_keras

🙏Thanks to: @samehraboon
#tensorboard #callback

1.8K viewsAlireza Akhavan, edited 14:01

Tensorflow(@CVision)

#آموزش #TF2 #callback
لینک پارت نخست وبینار امروز با موضوع متدهای callback در Tensorflow

https://www.aparat.com/v/Tdbck?part1

آپارات - سرویس اشتراک ویدیو

وبینار متدهای Callback در Tensorflowو Keras - بخش 1 از 2

در این وبینار در گام نخست با callback متدهای از قبل تعریف شده Tensorflow نظیر CSVLogger، EarlyStopping، ReduceLROnPlateau، TerminateOnNaNو ... آشنا شدیم. سپس آموختیم که چگونه خودمان یک callback دلخواه بنویسیم. برای مثال لود کردن LR مدل از فایل در حین آموزش…

2.9K viewsAlireza Akhavan, edited 19:01

Tensorflow(@CVision)

#آموزش #TF2 #callback لینک پارت نخست وبینار امروز با موضوع متدهای callback در Tensorflow https://www.aparat.com/v/Tdbck?part1

#آموزش #TF2 #callback
لینک پارت دوم وبینار با موضوع متدهای callback در Tensorflow

https://www.aparat.com/v/r05IW

آپارات - سرویس اشتراک ویدیو

وبینار متدهای Callback در Tensorflowو Keras - بخش 2 از 2