سواد رایانه ای به عنوان آموزش حداقلی

خواندن ، نوشتن و "ریاضیات" - به ما گفته می شود که سه گانه افراد دارای حداقل تحصیلات است. اما چرا این سه مورد ، بر سایر مهارتهای مفید زندگی ، مانند پزشکی اولیه ، منطق یا امور مالی ، تمرکز دارند؟ این آزمایش فکری در پروژه ای از سری کتاب ها برای معرفی علوم رایانه به نوزادان به اوج خود رسید ، اما در مورد آن بعداً بیشتر توضیح داده شد. قبل از ظهور چاپخانه ، خواندن لزوماً یک شرط تحصیلکرده در غرب نبود. لفاظی شفاهی ، دانستن زبان لاتین و مطالعات کتاب مقدس نشانه های یک جنتلمن بود. در بیشتر تمدن های بشری ، حتی افراد با سواد نیز به ندرت می نویسند. نوشتن ترکیب در هاروارد تا سال 1873 در واکنش به فرهنگ نامه نویسی که با حمل و نقل سریع (به عنوان مثال پونی اکسپرس) تحریک می شد ، لازم نبود. آموزش گسترده ریاضی در واکنش به انقلاب صنعتی رشد کرد - تولید انبوه نیاز به نیروی کار با مهارت های اولیه ریاضی دارد. همچنین ، مبادا فراموش کنیم که تحصیلات متوسطه تا همین اواخر برای زنان یا اقلیتها در ایالات متحده ضروری تلقی نمی شد (و در برخی جهات ، به اندازه کافی در نظر گرفته نشده بود).

از آنجا که تاریخ تأکید آموزشی را انعطاف پذیر نشان داده است ، اگر بخواهیم از ابتدا برنامه درسی برای دوران مدرن طراحی کنیم؟ شامل چه مواردی می شویم؟ آیا نیاز به آموزش حساب داریم - یعنی توانایی جمع ، تفریق ، ضرب و تقسیم اعداد؟ این کار مکانیکی به مدت 50 سال در اختیار ماشین حساب ها بوده است. قابلیت های محاسبه پیشرفته تر مدتهاست که بیشتر با برنامه نویسی رایانه مشترک است تا حساب. در مورد خواندن ، خوانندگان صفحه نمایش چند دهه قدمت دارند. حتی متن روی کاغذ قابل اسکن و بازخوانی است - در صورت تمایل با لهجه انگلیسی. مطمئناً ما باید نوشتن را آموزش دهیم ، درست است؟ شاید ، اما کاملاً در توان رایانه های مدرن است که دیکته های شفاهی را تصحیح کنند ، غلط های املایی را تصحیح کنند و پیشنهادات مناسب برای ترکیب را ارائه دهند. برنامه هایی مانند Siri نشان می دهند که می توانید سیستم های کامپیوتری ، از جمله ارسال پیام های متنی را بدون نوشتن کنترل کنید.

من به طور جدی پیشنهاد نمی کنم که از خواندن ، نوشتن یا حساب صرف نظر کنیم. اما من به طور جدی پیشنهاد می کنم که همه ما مفاهیم اولیه دستگاه هایی را که به طور منطقی می توانند جایگزین سه R شوند درک کنیم. در آینده هیچ تردیدی ندارم که سواد کامپیوتری از الزامات طبقه تحصیل کرده خواهد بود. من نه تنها معتقدم که ما باید انتقال را از هم اکنون آغاز کنیم ، بلکه بیشتر پیش می روم و می گویم که این آموزش باید از بدو تولد آغاز شود. مطالعات منطق کامپیوتر رایج ترین انتقادات به دو صورت انجام شده است: "همه بچه ها نیازی به دانستن رایانه ندارند" و "شاید بداند ، اما شما خیلی جوان هستید". اینها نکات منطقی برای بیان است ، بنابراین پاسخهای من در اینجا است.

آیا سواد رایانه ای جهانی لازم است؟

رایانه ها ابزارهایی مانند قلم ، کاغذ و چاپخانه هستند. چه با ماشین تحریر یا لوح سفالی بنویسید ، عمل ترکیب یک فرایند ذهنی است. همین قوانین در مورد رایانه ها نیز صدق می کند. این که آیا از VCR ، ساعت هوشمند یا لپ تاپ خود استفاده می کنید ، از رایانه استفاده می کنید.رایانه ها (درامرول لطفا ...) ماشین های محاسباتی هستند. آنها حتی نیازی به لوازم الکترونیکی ندارند و در واقع اولین ماشین های محاسباتی قبل از کشف الکترون ساخته شده اند.

رایانه های آینده ممکن است فوتونی یا شیمیایی یا کوانتومی باشند. اما یک چیز رایانه ها از بین رفته است. ما به جمعیتی نیاز داریم که درک اولیه ای از نحوه عملکرد ماشین هایی که در حال خوردن جهان هستند داشته باشند. اگر نه ، کسانی که آنها را درک می کنند ممکن است استاد تکنوکرات بقیه شوند.

با فرض اینکه کامپیوترها حتی ارزش یادگیری دارند ، چرا اینقدر جوان شروع می شود؟

نوزادان؟ مطمئناً شما شوخی می کنید ، آقای ردموند!

آیا نوزادان قادر به درک منطق رایانه هستند؟ خوب ، نه و بله. نه ، به مفهوم بکارگیری منطق پیچیده بولی یا درک در سطح دانشگاهی. بله ، به این معنا که مغز نوزادان دستگاه های تطبیق الگو هستند و معرفی آنها به مجموعه ای از الگوهای ساده به شکل گیری ذهن آنها در آینده کمک می کند. این بیش از تفکر آرزوی والدین مشتاق است که باعث ایجاد کتاب های کودک پر از حروف ABC و 123 می شود. این نمادها سنگ بنای خواندن/نوشتن و ریاضیات هستند. مطمئناً نوزادان نمی توانند آنچه را که می بینند بلافاصله به کار ببرند ، اما درک را در مسیر آسان تر می کند. این هدف منطق بولین برای نوزادان است: آشنایی با اصطلاحات نوزادان و درک نحوه استفاده از آنها ، به عنوان مثال ، عملیات بول و AND ، OR ، و NOT. شمارش در دودویی برای کودکان نوپا و عملکردهای Tykes از این مفهوم برای کودکان بزرگتر پیروی می کند.

منطق بولی برای نوزادان ، کتابی پارچه ای

با این باور که سواد رایانه ای باید با سواد و ریاضیات سنتی همتراز باشد ، برای شروع از هر نقطه ای غیر از آغاز ، بی اعتنا خواهیم بود. کودکانی که وارد مدرسه ابتدایی می شوند معمولاً در معرض ضرب المثل زیادی با کلمات و اعداد قرار می گیرند. آنها باید مقدمه ای مشابه منطق کامپیوترها داشته باشند. نوزادان برای من تا حدودی خودخواهانه ترین معنا را داشتند ، زیرا من به تازگی با یک فرزند (و به زودی یک ثانیه) پدر شده ام. من به او و پیشرفت او اهمیت می دهم و به عنوان یک دانشمند کامپیوتر می توانم خودم این مفاهیم را به او بیاموزم. چگونه انجامش بدهیم. با این حال ، اکثر بزرگسالان در صنعت کامپیوتر نیستند. ما به مکانیزمی نیاز داریم که به خوبی به بزرگسالان آموزش دهد تا به نوبه خود به فرزندان خود آموزش دهد. بنابراین جنبه دیگر پروژه شامل آموزش این مفاهیم اولیه رایانه (منطق بولی ، باینری و توابع) به بزرگسالان غیر متخصص است.

علوم کامپیوتر برای بزرگسالان

حتی اگر این اولین پروژه موفق نباشد ، من متقاعد شده ام که در نسل آینده کودکان باید در یک سطح اساسی از نحوه عملکرد این ماشین های محاسباتی. مارک آندرسن یکبار گفت ،

"گسترش رایانه ها و اینترنت مشاغل را در دو دسته قرار می دهد. افرادی که به رایانه ها می گویند چه کار کنند ، و افرادی که از طریق رایانه به آنها گفته می شود چه کار کنند.

امیدواریم بتوانیم جمعیت را افزایش دهیماز گروه اول.

آنچه واقعاً دانش آموزان از علوم رایانه می آموزند

وقتی دانش آموزان CS مطالعه می کنند ، بسیار بیشتر از یک زبان برنامه نویسی جدید ، مانند این پنج مهارت ارزشمند ، یاد می گیرند.

عکس توسط Fotis Fotopoulos در Unsplash

در ژانویه سال 2016 ، رئیس جمهور اوباما یک "علوم کامپیوتر برای همه ”ابتکار برای کمک به افزایش در دسترس بودن دوره های علوم کامپیوتر در مدارس دولتی ایالات متحده. این در پاسخ به تعداد روزافزون مشاغل STEM در محاسبات و همچنین شکاف بین این تقاضا و تعداد دانش آموزانی که با مدرک CS فارغ التحصیل شده اند بود.

از آن زمان ، مدیران منطقه و مدارس در سراسر کشور و جهان گامی در جهت افزودن کلاسهای CS بیشتر به برنامه درسی خود و همچنین درخواست از معلمان برای یافتن راههای خلاقانه برای جاسازی دروس برنامه نویسی در موضوعات مربوطه خود برداشته است. ظهور کرده اند از نگرانی ها مبنی بر اینکه هوش مصنوعی در نهایت می تواند نیاز برنامه نویسان انسانی را جایگزین کند (مانند اتوماسیون ممکن است در نهایت جایگزین کار دستی شود) تا انتقاد از آموزش برنامه نویسی بدون آموزش مهارت های تفکر انتقادی ، برخی از محققان و مربیان از آموزش برنامه نویسی صرفاً به دلیل مد روز بودن محتاط هستند. < /p> این مدل آموزش CS است که من به آن اعتقاد دارم.

من به عنوان یک معلم علوم متوسطه و CS ، از کشف کلاس جدید اصول علوم کامپیوتر AP CollegeBoard بسیار هیجان زده شدم. این دوره نه تنها برای ارائه مهارت های اساسی برنامه نویسی به دانش آموزان بلکه برای معرفی مفاهیم گسترده تر و چندرشته ای ، از جمله راه هایی برای اندیشیدن در مورد فناوری و چگونگی تأثیر آن بر جامعه ، طراحی شده است.

این مدل آموزش CS است که من معتقدم که ما باید دانش آموزان خود را در معرض مهارتهایی قرار دهیم که به آنها اجازه می دهد در دنیایی که به سرعت در حال تغییر است رشد کنند-از جمله شیوه های تفکر ، پرسش و همکاری با یکدیگر ، همانطور که معلمان همیشه این کار را انجام داده اند.

وقتی دانش آموزان علوم کامپیوتر می خوانند ، خیلی بیشتر از یک زبان برنامه نویسی جدید یاد می گیرند. در اینجا 5 مهارت ارزشمند وجود دارد که دانش آموزان از یک درس CS با طراحی متفکرانه کسب می کنند:

تفکر محاسباتی

تفکر محاسباتی یک رویکرد و مهارت فوق العاده مفید برای دانش آموزان و متخصصان در هر زمینه است ، نه فقط کسانی که کامپیوتر دارند تجزیه چیزی که به نظر می رسد یک مشکل بزرگ به قطعات کوچکتر است که می توان گام به گام با آنها مقابله کرد ، مهارتی است که دانش آموزان از اولین درس برنامه نویسی خود تمرین خواهند کرد. برنامه شما برای انجام چه وظایفی اساسی نیاز دارد؟ همه ورودی ها ، دارایی ها و فعل و انفعالات مورد نیاز برای کارکرد آن چیست؟

عکس کریس رید در Unsplash

همانطور که دانش آموزان یاد می گیرند برنامه ها ، صفحات وب یا برنامه ها را با کد بسازند ، آنها همچنین یاد می گیرند که الگوهای تکراری را تشخیص داده و از آنها استفاده کنند. (و اگر شباهت هایی را بین یک مانع کنونی و مشکلی که قبلاً حل کرده اید تشخیص دهید ، از رویکرد گذشته خود چه می توانید یاد بگیرید؟) جمع آوری داده ها در بازنمایی هایی که انسان ها به راحتی می توانند درک کنند و با آنها ارتباط برقرار کنند ، یک مهارت بسیار جستجو شده است ، مهم نیست. هادی پرتوی ، مدیرعامل Code.org در پاسخ به این سال که آیا CS باید برای هر دانش آموز اجباری باشد ، پاسخ داد:

تفکر محاسباتی - که منطق ، تفکر الگوریتمی و مشکل است -حل جنبه های علوم کامپیوتر -یک ستون فقرات تحلیلی ارائه می دهد که برای تک تک مفید استدانش آموز ، در هر حرفه ای. اما این بخش مهمی از آن چیزی است که دانش آموزان در کلاس CS یاد می گیرند و باید به طور جداگانه برجسته شود!

اگرچه به نظر می رسد اصطلاح فنی باشد ، یک الگوریتم به سادگی لیستی از مراحل یا قوانین است که هنگام حل یک مشکل ، چه به اندازه پیچیدگی محاسبه مسیر موشک و چه به سادگی ترتیب صحیح مواد اولیه ای که در خمیر کوکی خود می ریزید. یا یک برنامه کامپیوتری برای مطابقت با آنچه می خواهند انجام دهند ، آنها در حال یادگیری روش مهمی برای حل مشکلات هستند که به آنها در هر جنبه ای از زندگی کمک می کند-نه فقط در کلاس های درس STEM.

تفکر بصری

وقتی مبتکران آموزش و پرورش شروع به افزودن "A" به STEAM (علم ، فناوری ، مهندسی ، هنر+طراحی و ریاضی) کردند ، من هیجان زده شدم. دانش آموزان مقطع راهنمایی من عاشق درس های برنامه نویسی بودند ، از روز اول "Hour of Code" هنگامی که سعی کردند موانا را با خیال راحت با موانع موجود در مسیر ساخت برنامه های Android خود با AppInventor MIT راهنمایی کنند.

اما بخشی که دانش آموزان بیشتر منتظر آن هستند؟ دیدن آنچه که آنها ایجاد کرده اند زنده می شود. وقتی آنها کاراکترهای Frozen را می بینند که الگوهای دانه برفی را ایجاد می کنند که مطابق با دستورالعمل هایی است که در کد نوشته اند ، چه در هر مرحله بگذرند یا نه ، هیجان زده می شوند.

درس CS به دانش آموزان اجازه می دهد تا رابطه بین کد را ببینند. آنها می نویسند و نتایج بصری خیره کننده ای که تولید می کنند ، خواه به آنها آموزش می دهید که چگونه یک وب سایت جدید را قالب بندی کنند ، ظاهر وبلاگ را شخصی سازی کنند یا با Scratch متحرک سازی کنند.

کار گروهی

برای چند سالی بود که من از برنامه آموزشی CS Lead Project the Way در کلاس راهنمایی استفاده کردم. یکی از جنبه های مورد علاقه من در برنامه درسی ، چه در طول آموزش و چه در کلاس درس ، این بود که دائماً از دانش آموزان می خواست که مشکلات ، برنامه و طراحی را به صورت دو نفره حل کنند.

عکس توسط Val Vesa در Unsplash

در ابتدا ، این عمل با شکایات و ناامیدی های زیادی روبرو شد. (واکنش ها از "آنها کوتی دارند" گرفته تا "شما لپ تاپ کافی دارید تا هر یک از ما بتوانیم برنامه خود را بنویسیم!") هرچند با گذشت زمان ، حتی برنامه نویسان ستاره من متوجه شدند که همه افراد مشارکت ارزشمندی برای اشتراک گذاری دارند. برنامه نویسی یک فرایند پیچیده است که اغلب نیاز به چندین جفت چشم دارد تا خطاهای کوچک را اسکن کرده یا الگوهای گریز را تشخیص دهند. مهندسان نرم افزار حرفه ای دائماً در برنامه ریزی پروژه ، اولویت بندی وظایف و اجرای کد به صورت مشارکتی کار می کنند.

دانش آموزان سرسخت ممکن است فعالیتهای چند درس اول CS خود را به تنهایی قابل مدیریت بدانند ، اما زمانی که با انجام پروژه ای چند مرحله ای ، آنها از ارزش کار تیمی مطلع خواهند شد. پس از همه ، این پروژه نیاز به تحقیق در مورد نیازها و مطلوبیت کاربران بالقوه (برای جذابیت بخشیدن به یک برنامه یا برنامه و استفاده آسان از آن) ، طراحی بصری رابط کاربری آن و ایجاد یک طرح کلی (یا شبه کد) برای کد پیچیده ای که در نهایت باعث ایجاد برنامه اجرا شود. وقتی دانش آموز کد خود را ویرایش می کند30 بار (و از چند همکلاسی خواسته بود یک جفت چشم تازه ارائه دهند) اما هنوز نمی توانند بفهمند که چرا برنامه آنها به درستی کار نمی کند ، ناامیدی محسوس است.

برای ما به عنوان معلمان مهم است که از ارائه راه حل فوراً خودداری کنید ، حتی اگر وسوسه انگیز باشد. به نظر من هدایت دانش آموزان به این مفهوم که ما در آن روز در درس های علمی مبتنی بر پرس و جو در حال بررسی آن هستیم و این امر در آموزش CS نیز صادق است بسیار مingثر است. ممکن است دانش آموزان بتوانند برای مشاهده راه حل های ممکن ، میانبر و معادلات ریاضی را به Wolfram Alpha وارد کنند ، اما وقتی چیزی را از ابتدا ایجاد می کنند ، یافتن "پاسخ درست" دشوارتر است.

به عنوان مربی ، شما می توانید دانش آموزان را با سوالات راهنمایی کنید و با یادآوری این نکته که در نهایت حل یک مشکل در پایان یک راه طولانی پشتکار و مقابله با مانع از راهکارهای خلاقانه متعدد ، چقدر مفید است ، انگیزه آنها را حفظ کنید.

اگر از اینکه می خواهید برخی از درس های CS را در برنامه درسی خود قرار دهید ، الهام می گیرید ، در اینجا چند روش عالی برای شروع یا افزایش مهارت خود آورده شده است!

نحوه میزبانی ساعت کد خود در Edmodo Edmodo Ambassador & Luminary Mariana نحوه اجرای Hour of Code on Edmodo CS و تأیید معلم منابع CS & Hour of Code در Edmodo Spotlight مجموعه ابزار هفته آموزش علوم کامپیوتر برای معلمان هفته نامه آموزش علوم کامپیوتر برای والدین منابع ساعت کد Code.org در Ed modo Spotlight Coding Galaxy: یک بازی موبایل رایگان است که به شما نحوه کد نویسی می آموزد!

برنامه آموزان آموزش

معرفی گرافیک TensorFlow: گرافیک کامپیوتری با یادگیری عمیق همراه است

ارسال شده توسط ژولین والنتین و سوفین بوعزیز

مخزن Github: https://github.com/tensorflow/graphics

در چند سال گذشته شاهد افزایش گرافیک های متمایز جدید بوده ایم لایه هایی که می توانند در معماری شبکه عصبی وارد شوند. از ترانسفورماتورهای فضایی گرفته تا پردازنده های گرافیکی متمایز ، این لایه های جدید از دانش به دست آمده در طول سال های بینایی رایانه و تحقیقات گرافیکی برای ایجاد معماری های جدید و کارآمدتر شبکه استفاده می کنند. مدل سازی صریح مقدمات و محدودیت های هندسی در شبکه های عصبی ، راه را برای معماری هایی باز می کند که می توان به طور قوی ، کارآمد و مهمتر از همه ، به شیوه ای تحت نظارت خود آموزش دید. به اشیاء سه بعدی و موقعیت مطلق آنها در صحنه ، توصیف موادی که از آنها ساخته شده است ، چراغ ها و دوربین نیاز دارد. این توصیف صحنه سپس توسط یک ارائه کننده تفسیر می شود تا تصویری مصنوعی ایجاد شود.

< /img>

در مقایسه ، یک سیستم بینایی کامپیوتری از یک تصویر شروع می کند و سعی می کند پارامترهای صحنه را استنباط کند. این امکان پیش بینی اجسام موجود در صحنه ، موادی که از آنها ساخته شده است و موقعیت و جهت سه بعدی آنها را می دهد.

آموزش سیستم های یادگیری ماشین قادر به حل این وظایف پیچیده بینایی سه بعدی اغلب به حجم زیادی داده نیاز دارد. از آنجا که برچسب زدن داده ها یک فرایند پرهزینه و پیچیده است ، مهم است که سازوکارهایی برای طراحی مدل های یادگیری ماشین وجود داشته باشد که بتوانند جهان سه بعدی را در حالی که بدون نظارت زیاد آموزش دیده اند درک کنند. ترکیب بینایی رایانه ای و تکنیک های گرافیکی رایانه ای ، فرصتی منحصر به فرد برای استفاده از حجم وسیعی از داده های بدون برچسب به آسانی در اختیار شما قرار می دهد. همانطور که در تصویر زیر نشان داده شده است ، به عنوان مثال ، می توان با استفاده از تجزیه و تحلیل سنتز در جایی که سیستم بینایی پارامترهای صحنه را استخراج می کند و سیستم گرافیکی بر اساس آنها تصویر را باز می گرداند ، به این مهم دست یافت. اگر رندر با تصویر اصلی مطابقت داشته باشد ، سیستم بینایی پارامترهای صحنه را به طور دقیق استخراج کرده است. در این راه اندازی ، بینایی رایانه ای و گرافیک رایانه ای دست به دست هم داده و یک سیستم یادگیری ماشینی واحد شبیه به رمزگذار خودکار تشکیل می دهند که می تواند به صورت خودآموز آموزش داده شود.

لایه های گرافیکی متفاوت

در ادامه ، برخی از قابلیت های موجود در گرافیک TensorFlow این تور جامع نیست. برای کسب اطلاعات بیشتر از Github ما دیدن کنید تا امکانات جدیدی را که TensorFlow Graphics در اختیار شما قرار می دهد ، بیابید. در تصویر زیر ، فرمالیسم زاویه محور برای چرخاندن یک مکعب استفاده شده است. محور چرخش به سمت بالا است و زاویه آن مثبت است و مکعب را در جهت خلاف جهت عقربه های ساعت می چرخاند. در این مثال Colab ، ما نشان می دهیم که چگونه فرمالیسم های چرخشی را می توان در یک شبکه عصبی آموزش داد که برای پیش بینی چرخش و ترجمه یک شی مشاهده شده آموزش دیده است. این وظیفه هسته اصلی بسیاری از برنامه ها از جمله روبات هایی است که بر تعامل با محیط خود تمرکز می کنند. در این سناریوها ، گرفتن اشیاء (به عنوان مثال توسط دسته آنها) با بازوی روباتیک نیاز به برآورد دقیق موقعیت این اجسام نسبت به بازو دارد.

مدل سازی دوربین ها

مدل های دوربین نقش بسزایی در بینایی کامپیوتر دارندبر ظاهر اجسام سه بعدی که بر روی صفحه تصویر نمایش داده می شود تأثیر می گذارد. همانطور که در زیر مشاهده می شود ، به نظر می رسد که مکعب در حال بزرگ شدن و پایین آمدن است ، در حالی که در واقعیت این تغییرات فقط به دلیل تغییر در فاصله کانونی است. این مثال Colab را برای جزئیات بیشتر در مورد مدل های دوربین و یک مثال مشخص از نحوه استفاده از آنها در TensorFlow امتحان کنید.

مواد

مدل های مواد نحوه تعامل نور با اجسام را مشخص می کنند تا ظاهر منحصر به فرد خود را به آنها بدهند. به عنوان مثال ، برخی از مواد مانند گچ نور را به طور یکنواخت در همه جهات منعکس می کنند ، در حالی که برخی دیگر مانند آینه ها کاملاً دیدنی هستند. در این دفترچه تعاملی Colab ، نحوه تولید رندرهای زیر را با استفاده از Tensorflow Graphics خواهید آموخت. همچنین این فرصت را خواهید داشت که با پارامترهای مواد و نور بازی کنید تا حس خوبی از نحوه تعامل آنها ایجاد شود. پیش بینی دقیق خواص مواد برای بسیاری از وظایف اساسی است. به عنوان مثال ، می تواند به کاربران این امکان را بدهد که مبلمان مجازی را در محیط خود رها کرده و قطعات را بصورت واقع بینانه با فضای داخلی خود ترکیب کرده و به کاربران درک دقیقی از ظاهر آن مبلمان بدهند.

هندسه-پیچیدگی های سه بعدی و یکپارچه سازی

در سال های اخیر ، سنسورهای خروجی سه بعدی داده ها به شکل ابرهای نقطه ای یا مشبک در حال تبدیل شدن به بخشی از زندگی روزمره ما هستند ، از سنسورهای عمق تلفن های هوشمند گرفته تا لیدارهای اتومبیل خودران. با توجه به ساختار نامنظم آنها ، پیوندهای روی این نمایش ها به طور قابل توجهی در مقایسه با تصاویری که ساختار شبکه معمولی را ارائه می دهند ، بسیار سخت تر است. TensorFlow Graphics دارای دو لایه کانولوشن سه بعدی و یک لایه جمع آوری سه بعدی است که به عنوان مثال به شبکه ها اجازه می دهد تا طبقه بندی بخش های معنایی را روی مشها انجام دهند ، همانطور که در زیر نشان داده شده و در این دفترچه Colab نشان داده شده است.

TensorBoard 3d

اشکال زدایی بصری یک راه عالی برای ارزیابی اینکه آیا یک آزمایش در حال انجام است یا خیر در جهت درست برای این منظور ، TensorFlow Graphics دارای یک افزونه TensorBoard است تا بصورت تعاملی مشهای سه بعدی و ابرهای نقطه ای را تجسم کند.

شروع کنید

اولین نسخه پشتیبانی از TensorFlow Graphics با TensorFlow 1.13.1 و بالاتر سازگار است. با مراجعه به https://www.tensorflow.org/graphics API و دستورالعمل های نصب کتابخانه را خواهید یافت .

تقدیرنامه

ایجاد گرافیک TensorFlow یک کار گروهی بود. تشکر ویژه از جم کسکین ، پاول پیدلیپنسکی ، آمیش ماکادیا و آونش سود که همگی سهم قابل توجهی داشتند.