نوشته های moradivahid220

آموزش Tensorflow

moradivahid220 — Fri, 31 May 2019 14:14:46 +0430

تنسور فلو(TensorFlow) یک کتابخانه نرم افزاری متن باز برای محاسبات عددی با استفاده از گراف جریان داده ای است معماری انعطاف پذیر این کتابخانه به شما این امکان را فراهم می کند که با استفاده از یک APIمحاسبات خود را بر روی یک یا چند CPU یا کارت گرافیکی (GPU) در یک کامپیوتر رومیزی، سرور و یا موبایل توزیع و پردازش کنید. یکی از چالش‌هایی که اوایل یادگیری تنسورفلو داشتم این بود که متوجه عملکرداش نمیشدم! خیلی با اون چیزایی که من تو برنامه‌نویسی یاد گرفته بودم متفاوت بود. آموزش خوبی هم پیدا نمی‌شد که از پایه مفاهیم رو توضیح داده باشند. اغلب آموزش‌ها هم با مفاهیمی مثل سشن (session)، گراف محاسباتی شروع می‌کرند که برای من تازگی داشت و متوجه نمیشدم. مشکلات مفاهیم به کنار دیباگ برنامه و عدم استفاده از عبارت‌های پایتونی و عدم نصب تنسورفلو روی ویندوز واقعا کلافه‌ام کرده بود و سرعتم برای یادگیری خیلی پایین بود! هرچقدر این در و اون در می‌زدم اونجوری که باید بود پیش نمیرفت این شد سراغ فریمورک‌ های دیگه رفتم. ولی در حین یادگیری، کلی خبرهای خوب و به روزرسانی‌ های زیاد و پیاده‌سازی مقالات با تنسورفلو می‌امد که من رو به شک وا میداشت که آیا تنسورفلو را دوباره شروع کنم یا نه!! از طرف دیگه پای‌تورچ هم توسط فیسبوک ارائه شد و خیلی از محققان از اون استفاده می‌کرند. مشکلات تنسورفلو از یک طرف و راحتی فریمورک‌های دیگه از طرف دیگه باعث می‌شد فکر کنم عاقبت تنسورفلو شکسته ولی چون گوگل ازش پشتیبانی می‌کرد نمیشد دست کم اش گرفت و این شد که بعد از مدتی باز به تنسورفلو برگشتم! خوشبختانه گوگل در ۲۰۱۷ یک قابل جدید به نام اجرای حریصانه (eager execution) رو به تنسورفلو اضافه کرد و باعث شد خیلی از سختی‌های که وجود داشت کم بشه! و در حال حاضر به نظرم راحت‌ترین راه استفاده از تنسورفلو استفاده از حالت اجرای حریصانه (eager execution) است. از تنسورفلو نسخه ۲، که احتمالا تا چند وقت دیگه ارائه می‌شه به صورت پیش‌فرض روی حالت حریصانه خواهد بود. و به نظرم افراد و شرکت هایی که از تنسورفلو بخاطر مشکلاتش استفاده نمی‌کردند در طی یکی دو سال آینده به آن روی خواهند آورد! از اونجایی که فک می‌کنم اجرای حریصانه (eager execution) روش قالب تنسورفلو خواهد بود در این آموزش تمام مثال‌ها با کمک eager execution توضیح داده خواهد شد. ۱) آموزش نصب تنسورفلو بهترین (و البته به روزترین) راه برای نصب تنسورفلو مراجعه به سایت رسمی تنسورفلو است به نشانی https://www.tensorflow.org/install تنسورفلو از زبان‌های مختلفی مثل پایتون، جاوا، گو (Go) و … پشتیبانی می‌کند و روی سیستم‌های عامل‌های مختلف مثل ویندوز، لینوکس و مک قابل اجراست (روی نسخه مک از جی‌پی‌یو پیشتیبانی نمی‌کند). که در این آموزش ما با پایتون کار خواهیم کرد.۱-۱) نصب سریع (بدون جی‌پی‌یو) اگر می‌خواهید تنسورفلو رو روی کامپیوتر شخصی یا لپتاپ‌اتون نصب کنید و جی‌پی‌یو ندارید می‌تونید خیلی راحت مراحل زیر انجام بدید: الف) پایتون رو دانلود و نصب کنید (ترجیحا پایتون ۳.۶ به بعد رو نصب کنید). برای نصب پایتون می‌تونید به وبسایتhttps://www.python.orgمراجعه کنید و متناسب با سیستم عامل‌تون نسخه مورد نظر رو نصب کنید. ب) پای‌چارم (pycharm) رو دانلود و نصب کنید. راستش نصب پای‌چارم یا هر IDE دیگری ضرروی نیست ولی خیلی کد زدن رو برای شما خیلی راحت میکنه! برای نصب پای‌چارم می‌تونید به سایت jetbrain.com برید و اگر میخواهید نسخه فول ادیشن رو داشته باشید (و دانشجو هستید) می‌تونید به https://www.jetbrains.com/student برید تا به طور رایگان به شما لایسنس استفاده دهد. ج) محیط مجازی (virtual environment) رو نصب کنید. محیط مجازی اصن چه بدرد میخوره؟ فرض کنید در یکی از پروژه‌هاتون از تنسورفلو نسخه ۰.۱۰ استفاده کردید و در یکی دیگه از تنسورفلو نسخه ۱.۱۰.مساله ای که خیلی متداول است اینه که اگر تنسورفلو خودتون رو به روزرسانی کنید خیلی از کدهایی که قبلا زدید اجرا نمیشن و اصلاحا کدهایی که زدید backward compatible نیستند. از طرف دیگه اگر نسخه اتون رو کاهش بدید به ۱.۱۰تبدیل کنیدخیلی از ویژگی‌های جدید رو از دست می‌دهید.برای رفع این مشکل درپایتون معمولا از محیط مجازی یا virtual environment استفاده می‌کنند. به صورت پیش‌فرض محیط مجازی با پایتون نصب نمیشه و بخاطر همین مجبوریم که خودمون نصب کنیم. برای انتخاب محیط مجازی دوتا انتخاب دارید یا از اناکوندا (anaconda) استفاده کنید یا مستقیم خودتون اون رو نصب کنید. پکیج کامل anacondaشامل پکیج‌های مختلف لازم برای دیتاساینس هست که معمولا بیشتر از نیاز شما هست (البته نسخه miniconda هم وجود دارد که سبک‌تر است). ولی من اغلب ترجیح می‌دم که پکیج‌های خودم لازم دارم خودم نصب کنم. بخاطر همین از virtualenv استفاده می کنم کامند (command prompt) یا ترمینال (terminal) رو بازکنید و یکی (فقط یکی!) از دستورات زیر را اجرا کنید (در صورتی که در سیستم‌های یونیکس sudo هم اولش بزارید). # only install one of the following environement manager! [sudo] pip install virtualenv [sudo] pip install anaconda د) پای‌چارم (pycharm) رو اجرا کنید بعد از کلیک روی گزینه create new projcet و یک پروژه بسازید. همچنین دقت کنید که هنگام ساخت پروژه محیط مجازی خودتون هم ایجاد کنید. برای اینکار روی project interpreter کلیک کنید نوع پایتون رو مشخص کنید و اسم پروژه اتون هم هرچی که دوست داشتید قرار بدید و در نهایت هم روی گزینه create کلیک کنید. در شکل بالا من از virtualenv استفاده کردم. در صورتی که شما از anaconda نصب کردید مرحله بعد رو لازم نیست انجام بدید و میتونید یک فایل پایتون ایجاد کنید و شروع کنید به کد زدن! ه ) ولی در صورتی که virtualenv استفاده کردید باید تنسورفلو رو نصب کنید. نصب تنسورفلو خیلی راحت است و کافی است در داخل محیط pycharm ترمینال رو باز کنید (alt+f12) رو بزنید و سپس در داخل اون دستور sudo pip install tensorflow رو اجرا کنید: همانطورکه نگاه می‌کنیداول ادرس شما (venv)قرار داده است که به این معناست که هر پکیجی که نصب کنید در داخل venv قرارخواهد گرفت.در نتیجه وقتی دستور sudo pip install tensorflow را اجرا می‌کنید اخرین ورژن تنسورفلو در داخل این پکیج برای شما ساخته می‌شود و با مابقی پروژه‌های شما هیچ کاری نخواهدداشت به همین راحتی! حالا شمامی‌تونید یک فایل پایتون (py) ایجاد کنید و شروع کنید به کد زدن! ۲) به روزرسانی تنسورفلو اگر مراحل بالا رو قبلا انجام دادید و بعد از مدتی باز میخواهید شروع کنید به کد زدن شاید بد نباشه که آن را به روزرسانی کنید. برای به روزرسانی به آخرین نسخه میتونید از دستور زیر استفاده کنید: [sudo] pip install tensorflow --upgrade نکته: به روزرسانی تنسورفلو یکم خطرناکه و ممکن است کدهایی که قبلا زدید دیگه کار نکن یا به مشکل بخورید! کلا پکیج‌های یادگیری عمیق چون خیلی زود به روزرسانی میشن backward compatibility خوبی ندارند و به این موضوع دقت کنید.برای نصب تنسورفلو [sudo] pip install tensorflow==1.12.0 ۳) سلام دنیا در تنسورفلو امیدوارم که تونسته باشید با موفقیت تنسورفلو را نصب/بروزرسانی کنید. یک پروژه در پای‌چارم (pycharm) درست کنید و یک فایل پایتون (.py) ایجاد کنید و اولین برنامه خودتون رو در اون بنویسید. اولین برنامه میتونه سلام دنیا باشه یا اگر خیلی دیپ‌لرنینگ طور دوست دارید می‌تونید یک جمع ساده باشه: import tensorflow as tftf.enable_eager_execution()a = tf.constant('hello')print(a)b = tf.constant('world')print(b)c = a + ' ' + bprint(c)#################### output ##################>>> tf.Tensor(b'hello', shape=(), dtype=string)>>> tf.Tensor(b'world', shape=(), dtype=string)>>> tf.Tensor(b'hello world', shape=(), dtype=string) همانطور که در بالا مشاهده می‌کنید خروجی شما tf.Tensor هست که از سه قسمت تشکیل شده است: ۱) مقدار ۲) اندازه (shape) و ۳) نوع داده (dtype). بعد از این احتمالا خواهید دید که در تنسورفلو همه چیز Tensor است! ۴) مثال مقدماتی در Tensorflow خوب اگر موارد بالا بلد هستید بیایید یک جمع خیلی ساده رو با تنسورفلو انجام بدیم. کاری که میخواهیم بکنیم این است که دو تا ماتریس ۲*۲ را باهم جمع کنیم: import tensorflow as tf tf.enable_eager_execution() a = tf.constant([[1, 3], [5, 7]]) b = tf.constant([[2, 4], [6, 8]]) c = tf.add(a, b) # Add two tensorprint(c) d = tf.multiply(a, b) # multiply two tensorprint(d)########### output #############>>> >>>tf.Tensor([[ 3 7] [11 15]], shape=(2, 2), dtype=int32)>>> tf.Tensor([[ 2 12] [30 56]], shape=(2, 2), dtype=int32) کد بالا ما ۲ تا تنسور (Tensor) به نام‌های a و b تعریف کردیم و به ترتیب عملگرهای جمع و ضرب ماتریسی را روی آنها انجام دادیم. نتایج عملگرها در تنسورهای d و c ذخیره وسپس نمایش داده شدند.

هوش مصنوعی در مدیریت

moradivahid220 — Tue, 30 Apr 2019 23:21:52 +0430

مقدمهامروزه دنیا دنیای کامپیوتر است هفته ای نیست که کتابی در این زمینه در سرتاسر جهان چاپ نشود همه به تب به کامپیوتر مبتلا شده اند و هر شخصی می خواهد به نوعی خو یا فرزندش را با کامپیوتر اشنا کند و به همین دلیل ده ها و شاید صدها آموزشگاه کامپیوتر تاسیس شده است و شما در روزنامه ها و مجلات تلویزیون همه روزه آگهی های آنها را مشاهده می کنید و همه ی این دلایل دست به دست هم داده و درجه تب شما را افزایش می دهند. هوش مصنوعی یک زمینه خاص نیست همانطور که هوش طبیعی یک چیز به خصوص نیست بلکه از دها موضوع متنوع تشکیل می شود.معنی کلماتی نظیر فکر کردن هوش و حرف زدن چیست؟اگر قرار است کامپیوتر فکر کند چه باید بکند ؟اصولا ما خودمان هم نمی دانیم که چگونه فکر می کنیم هوشمان از چه چیزی تشکیل شده است چگونه حرف می زنیم. اگر فکر کردن به معنی پیدا کردن راه حل باشد کامپیوترهم می تواند این عمل را انجام دهد یعنی اگر شما بدانید که دقیقا هدفتان چیست می توانی می توانی برنامه برای انجام آن بنویسید بنابراین مشاهده می کنید اشکال در مفاهیم است نه در کامپیوتر. امروزه دانشمندان برای شبیه سازی مغز انسان از صدا ها گاهی اوقات هزاران میکروپروسسور استفاده می شود این میکروپرسسور ها به صورت موازی به صورت موازی به یکدیگر متصل می کنند به این ترتیب در ان واحد در مورد یک مسئله بخصوص صدا ها میکروپروسسور ها در حال کار می باشند.در حال حاضر تاکید بر روی هوش مصنوعی از زمینه تحقیقات به زمینه کاربرد منتقل شده است این جابجایی بدان معناست که تکنیک های هوش مصنوعی که توسط یک زبان تحقیقاتی در آزمایشگاه توسعه یافته است اکنون باید توسط زبانهای همه کاره عمومی فعلی جهت حل مسائل و کاربرد های جهان واقعی مورد استفاده قرار گیرد.تعریف مدیریت ؟مدیریت دانش چگونگی اداره و هدایت کردن سازمان جهت رسیدن به نتایج مطلوب می باشد(From F.Luthans. 1969)این تعریف که مفهوم تغییر یافته تئوری مدیریت را می رساند نیز بر اساس علم و دانشی است که از پیدا کردن عناصر عمومی و مشترک<تصمیم گیری> در سازمان ها و ارائه آنها در یک قالب کمی به وجود می آید.تئوری تصمیم گیری با اهمیت ترین نتایج تحول فلسفه مدیریت در جهت پیدا کردن عوامل مشترک و قابل تعمیم اداره سازمانها می باشد در حال حاضر مدلهای ریاضی ئ قابل تعمیمی در بررسی اطلاعات و جمع آوری آن موجود است که با توجه به تسهیلات کامپیوتر و محاسبات الکترونیکی حائز کمال اهمیت می باشد. بنابراین سازمان های پیچیده امروزی احتیاج به میر یا اداره کننده دارند که در واقع یک هماهنگ کننده بوده و بتواند سازمان را در حدی فراتر از مسائل اجرائی و تولیدی ان را رهبری کند.مدیریت و هوش مصنوعی؟مدیریت، هوش مصنوعی را به عنوان هضم کننده اعداد و جانشین عملیات دفتری شناخته است،در بعضی از این سازمان ها نظیر بانکها این کاربرد خیلی آشکار و قابل مشاهده است و منافع ناشی از تبدیل عملیات دستی به کامپیوتری نسبا محسوس است به نحوی که مدیران با چنین کاربرد هایی احساس آسایش می کنند.ولی به دلایل زیر استفاده از نرم افزار های کامپیوتری برای کمک به مدیران در برنامه ریزی،نظارت و تصمیم گیری براحتی نمی باشد.اول انکه مدیران از قبل نمی دانند که چه اطلاعاتی برای تحقق مسئولیتهایشان لازم دارند و این باعث دشوار شدن طراحی هوش مصنوعی می شود. علیرغم وجود این مشکلات روش سنتی استفاده از نرم افزار های تخصصی (هوش مصنوعی) برای کمک به مدیران در برنامه ریزی نظارت و تصمیم گیری به سرعت افزایش میابد مدیران در یافته اند که کامپیوتر و متعلقات و زیر مجموعه آن ها آنان را قادر می سازد از برنامه ریزی کوتاه مدت یا بلند مدت را مورد مطالعه قرار دهند و وقتی رقبا با موفقیت از مدل سازی بهره می گیرند آنها به خاطر بقا عکس العمل نشان می دهند. قدرت هوش مصنوعی در قدرت هوش مصنوعی در پیگیری میلیون ها مبادله و عملیات و گزارش انحرافات معیارها موجب شده است که استفاده از ان یک ضرورت تلقی گردد.موضوعات عمده هوش مصنوعی؟زمینه هوش مصنوعی از چندین زمینه مطالعاتی کوچکتر تشکیل شده است از میان آنها متداول ترین و مهمترین زمینه ها عبار اند از:1) جستجو2) یادگیری ماشین3) سیستم های متخصص4) منطق5) پردازش زبان طبیعی6)عدم قطعیت و منطق مبهم7) تشخیص الگو8) رباتهابرخی از این زمینه ها به کاربرد هایی رسیده اند نظیر سیستم های متخصص و مابقی انها نظیر:پرادطش زبان طبیعی و راه حل یابی مسائل بلوک های ساختمانی از جنس هوش مصنوعی که جهت افزایش کارایی برنامه ها به آنها برنامه اظافه می شود - کاربرد های مختلف هوش مصنوعی در مدیریتالف) طراحی سیستم خبره برنامه ریزی مالی:حال که با مفاهیم هوش مصنوعی آشنا شده اید آماده اید تا ببینید چگونه یک پایگاه موقت برای یک سیستم خبره ساخته می شود اکنون که می توان از یک سیستم ساده مالی مه هر کس می تواند از آن در تصمیم گیری های مالی که هر کس می تواند از آن در تصمیم گیری های مالی استفاده نماسد نام برد این سیستم کامل نخواهد بود و برای طراحی برنامه ریزی مالی آینده خود خود به این پایگاه ها اطمینان نکنید در این سیستم هوش مصنوعی چارچوب کلی ساختن یک سیستم خبره برای کار های مالی یا سیستمهای دیگری که دارای چنین اساسی باشند بوده است.مدیریت و برنامه ریزی برای پولتان بهترین چیزی است که امروز انجام می دهید در قرنی که ما زندگی می کنیم با بالا رفتن قیمت دلار بسیار مهم است که بدانید که بسیار مهم است که بدانید چقدر پول دارید و بعلاوه هر کسی هر کسی که در اوردن پول بیشتر است ممکن است فکر کنید که سیستم مالی موضوع بسیار مهمی بوده و برای یک برنامه ساده کامپیوتری بسیار پیچیده می باشد ولی چنین نیست. برای مثال می خواهیم به کتابخانه محلی رفته و چند کتاب را بررسی کنیم سپس در مورد متخصصینی که در این ارتباط می شناسیم فکر کرده و دو نفر از انها که شایسته تر هستند انتخاب کرده و مدتی را با هر یک از آنها بگذاریم. در ابتدا ما موفق به دانستن حجم زیادی از اطلاعات بدون شکل خاصی می شویم. درباره موجودی دارایی واقعی و صندوق بازار پول مطالبی را یاد گرفته ایم. بعضی از کتاب های مالی جهان را از زوایای مختلف تجزیه و تحلیل می کند و بعنوان مثال برخی کتب طرف دار بعضی از روش های تولیدی برای سرمایه گذاری پول هستند و سایر کتب سرمایه گذاری در دارایی واقعی را بعنوان سودمند ترین روش بدست اوردن پول می شناسند.خلاصه و نتیجه گیری نهایی:هوش مصنوعی تکنولوژی است که از محل برخورد لگاریتم مکانیک و کامپیوتر بوجود می اید و به دنبال آن ماشینهای باهوش را بوجود آورند. با توجه به اینکه هوش مصنوعی بعنوان هضم کننده اعداد و جانشین عملیات دفتری شناخته شده است . قدرت هوش مصنوعی قدرت هوش مصنوعی در پیگیری میلیونها مبادله و عملیات و گزارش انحراف از معیار موجب شده که استفاده از ان یک ضرورت تلقی گردد و نهایتا مدیران با توجه به پیشرفت های هوش مصنوعی توسط ژاپنی ها و استفاده روز افزون علم مدیریت از تکنیک های هوش مصنوعی دریافته اند که کامپیوتر و متعلقات ان،انان را قادر می سازد تا در مقابل رقبا بهتر مدل سازی کنند.با اینکه هوش مصنوعی بیشتر از بیست پنج نیست بطور فعال پیشرفت کرده است اما انقدر در سایر علم ها بخصوص در مدیریت نفوذ کرده است که نمی شود منکر ان شد به قول کورزول که می گوید:انسان در سال2020 قادر خواهد بود تمامی محتویات مغز انسانی را اسکن کرده و وارد ماشینی نماید.

مقایسه فریم ورک های PHP

moradivahid220 — Fri, 28 Dec 2018 18:35:43 +0330

فریم ورک های php فریم ورک در اصطلاح به چارچوب نرم افزاری گفته می شود.. یک فریم ورک مجموعه ای از کتابخانه های برنامه نویسی و احتمالا مجموعه ای از قوانین برای برنامه نویسی است. https://www.aparat.com/v/7lXBG