استفاده از یادگیری ماشینی و Python در بازی سازی با Unreal Engine

ساخت مدل های یادگیری ماشین از مجموعه داده های تصویر غیر واقعی!

عنوان اصلی : Unreal Image Generation and Segmentation ML with Python

سرفصل های دوره :

بررسی اجمالی دوره 00a:
03 انواع مدل های یادگیری ماشین
پرونده های منبع:
00b مقدمه:
00 موتور غیر واقعی 5
01 نحوه نصب UE5
02 نحوه اشکال زدایی غیر واقعی
پرونده های منبع:
01 ساخت یک پروژه جدید غیر واقعی:
ایجاد پروژه جدید
پرونده های منبع:
02 سطح تصادفی را بطور خودکار با تولید رویه ای بسازید:
01 ساخت یک پروژه جدید غیر واقعی
02 کاشی های بیشتری بسازید
03 یک طرح برای قرار دادن کاشی به طور تصادفی بسازید
04 با طرح یک شبکه بسازید
05 یک کاشی تصادفی دریافت کنید
06 هر موقعیت کاشی و چرخش را تنظیم کنید
07 هر نام نمونه را تنظیم کنید
پرونده های منبع:
03 واقع گرایی را به سطح رویه اضافه کنید:
01 مواد زمینی را به هر کاشی اضافه کنید
02 مدلهای محیط را اضافه کنید
03 ساخت مواد مسطح برای تقسیم تصویر
پرونده های منبع:
04 یک طرح را برای وارد کردن نمای تقسیم شده بسازید:
02 ایجاد شرایط مطبوعات و انتشار
03 جدول داده های مواد را بسازید
04 یک طرح را برای سوئیچ کردن مواد بسازید
پرونده های منبع:
05 تصویر را از طریق طرح:
01 صفحه نمایش از طریق طرح
02 شخصیت سوم را نامرئی کنید
پرونده های منبع:
06 مقدمه یادگیری عمیق:
01 یادگیری عمیق چیست
پرونده های منبع:
07 مقدمه بر پایتون (پیش نیاز):
00. معرفی به دوره و پایتون
01. متغیرها
02. نمونه های تبدیل را تایپ کنید
03. عملگر
04. مجموعه ها
05. نمونه های لیست
06. نمونه های Tuples
08. نمونه هایی
09. شرط
10. اگر مثال بیانیه
11. حلقه
12. کارکرد
13. پارامترها و نمونه های بازگشت مقادیر
14. کلاس ها و اشیاء
15. نمونه های وراثت
16. مثالهای اعضای استاتیک
17. خلاصه و OUTRO
پرونده های منبع:
07B شبکه های عصبی مقدمه:
01 شبکه عصبی چیست
02 آنچه تحت نظارت است
03 چگونه یک عامل یادگیری ماشین یاد می گیرد
04 نحوه تهیه داده ها
05 عملکرد یک الگوریتم یادگیری ماشین
پرونده های منبع:
08 داده ها را برای تقسیم تصویر آماده کنید:
02 تصاویر را عادی کنید
03 تصاویر آموزش بار
04 تصاویر تست بار
05 داده ها را برای تقسیم تصویر آماده کنید
06 تصاویر و ماسک ها را تجسم کنید
پرونده های منبع:
09 برای تقسیم تصویر یک شبکه عصبی بسازید:
01 چگونه می توانید یک شبکه عصبی برای تقسیم تصویر بسازید
02 یک شبکه عصبی راه اندازی کنید
03b بهینه ساز آدام چیست
04 بهینه ساز و از دست دادن
پرونده های منبع:
10 قطار و تست تقسیم تصویر:
02 پیشرفت مدل را تجسم کنید
03 نتایج مدل را تجسم کنید
04 دقت مدل مدل
05 شبکه عصبی را آزمایش کنید
پرونده های منبع: