es
Feedback
Tensorflow(@CVision)

Tensorflow(@CVision)

Ir al canal en Telegram

اخبار حوزه یادگیری عمیق و هوش مصنوعی مقالات و یافته های جدید یادگیری عمیق بینایی ماشین و پردازش تصویر TensorFlow, Keras, Deep Learning, Computer Vision سایت: http://class.vision 👨‍💻👩‍💻پشتیبان دوره ها: @classvision_support لینک گروه: @tf2keras

Mostrar más

📈 Análisis del canal de Telegram Tensorflow(@CVision)

El canal Tensorflow(@CVision) (@cvision) en el segmento lingüístico de Farsi es un actor destacado. Actualmente la comunidad reúne a 14 939 suscriptores, ocupando la posición 8 686 en la categoría Tecnologías y Aplicaciones y el puesto 21 848 en la región Irán.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 14 939 suscriptores.

Según los últimos datos del 09 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -92, y en las últimas 24 horas de -3, conservando un alto alcance.

  • Estado de verificación: No verificado
  • Tasa de interacción (ER): El promedio de interacción de la audiencia es 0%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 8.37% de reacciones respecto al total de suscriptores.
  • Alcance de las publicaciones: Cada publicación recibe en promedio 0 visualizaciones. En el primer día suele acumular 1 250 visualizaciones.
  • Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 0.
  • Intereses temáticos: El contenido se centra en temas clave como مدل, مصنوعی, llm, استدلال, مغز.

📝 Descripción y política de contenido

El autor describe el recurso como un espacio para expresar opiniones subjetivas:
اخبار حوزه یادگیری عمیق و هوش مصنوعی مقالات و یافته های جدید یادگیری عمیق بینایی ماشین و پردازش تصویر TensorFlow, Keras, Deep Learning, Computer Vision سایت: http://class.vision 👨‍💻👩‍💻پشتیبان دوره ها: @classvision_support لینک گروه: @tf2kera...

Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 10 junio, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.

14 939
Suscriptores
-324 horas
-337 días
-9230 días
Atraer Suscriptores
junio '26
junio '26
+7
en 0 canales
mayo '26
+22
en 0 canales
Get PRO
abril '26
+22
en 0 canales
Get PRO
marzo '26
+8
en 0 canales
Get PRO
febrero '26
+29
en 0 canales
Get PRO
enero '26
+13
en 0 canales
Get PRO
diciembre '25
+62
en 1 canales
Get PRO
noviembre '25
+281
en 22 canales
Get PRO
octubre '25
+201
en 14 canales
Get PRO
septiembre '25
+265
en 21 canales
Get PRO
agosto '25
+284
en 16 canales
Get PRO
julio '25
+165
en 3 canales
Get PRO
junio '25
+64
en 5 canales
Get PRO
mayo '25
+236
en 9 canales
Get PRO
abril '25
+123
en 3 canales
Get PRO
marzo '25
+164
en 10 canales
Get PRO
febrero '25
+153
en 7 canales
Get PRO
enero '25
+136
en 5 canales
Get PRO
diciembre '24
+100
en 1 canales
Get PRO
noviembre '24
+247
en 4 canales
Get PRO
octubre '24
+353
en 10 canales
Get PRO
septiembre '24
+239
en 6 canales
Get PRO
agosto '24
+250
en 6 canales
Get PRO
julio '24
+230
en 7 canales
Get PRO
junio '24
+182
en 2 canales
Get PRO
mayo '24
+1 045
en 16 canales
Get PRO
abril '24
+533
en 17 canales
Get PRO
marzo '24
+364
en 3 canales
Get PRO
febrero '24
+453
en 5 canales
Get PRO
enero '24
+753
en 12 canales
Get PRO
diciembre '23
+837
en 15 canales
Get PRO
noviembre '23
+416
en 17 canales
Get PRO
octubre '23
+223
en 9 canales
Get PRO
septiembre '23
+296
en 0 canales
Get PRO
agosto '23
+226
en 0 canales
Get PRO
julio '23
+144
en 0 canales
Get PRO
junio '23
+229
en 0 canales
Get PRO
mayo '23
+135
en 0 canales
Get PRO
abril '23
+166
en 0 canales
Get PRO
marzo '23
+189
en 0 canales
Get PRO
febrero '23
+132
en 0 canales
Get PRO
enero '23
+149
en 0 canales
Get PRO
diciembre '22
+101
en 0 canales
Get PRO
noviembre '22
+124
en 0 canales
Get PRO
octubre '22
+132
en 0 canales
Get PRO
septiembre '22
+185
en 0 canales
Get PRO
agosto '22
+231
en 0 canales
Get PRO
julio '22
+180
en 0 canales
Get PRO
junio '22
+106
en 0 canales
Get PRO
mayo '22
+347
en 0 canales
Get PRO
abril '22
+291
en 0 canales
Get PRO
marzo '22
+74
en 0 canales
Get PRO
febrero '22
+90
en 0 canales
Get PRO
enero '22
+165
en 0 canales
Get PRO
diciembre '21
+87
en 0 canales
Get PRO
noviembre '21
+208
en 0 canales
Get PRO
octubre '21
+140
en 0 canales
Get PRO
septiembre '21
+267
en 0 canales
Get PRO
agosto '21
+103
en 0 canales
Get PRO
julio '21
+167
en 0 canales
Get PRO
junio '21
+175
en 0 canales
Get PRO
mayo '21
+213
en 0 canales
Get PRO
abril '21
+147
en 0 canales
Get PRO
marzo '21
+87
en 0 canales
Get PRO
febrero '21
+270
en 0 canales
Get PRO
enero '21
+86
en 0 canales
Get PRO
diciembre '20
+6 203
en 0 canales
Fecha
Crecimiento de Suscriptores
Menciones
Canales
10 junio0
09 junio0
08 junio+1
07 junio0
06 junio0
05 junio+4
04 junio0
03 junio0
02 junio+1
01 junio+1
Publicaciones del Canal
گوگل نسخه‌های جدید Gemma 4 را با تکنیک Quantization-Aware Training (QAT) منتشر کرده؛ رویکردی که به‌جای کوانتایز کردن مدل بعد از آموزش (PTQ)، از همان فرآیند آموزش، محدودیت‌های دقت پایین را شبیه‌سازی می‌کند. نتیجه این کار، مدل‌هایی است که با حافظه بسیار کمتر اجرا می‌شوند اما بخش بزرگی از کیفیت نسخه اصلی را حفظ می‌کنند. به گفته گوگل، نسخه موبایلی Gemma 4 E2B حتی می‌تواند با کمتر از ۱ گیگابایت حافظه اجرا شود و برای لپ‌تاپ‌ها، موبایل‌ها و Edge Deviceها گزینه بسیار جذاب‌تری باشد. از طرف دیگر، Unsloth نیز پشتیبانی کامل از این مدل‌ها را اضافه کرده و نشان داده که اگر تبدیل QAT به فرمت‌های اجرایی مانند GGUF به‌درستی انجام شود، می‌توان افت دقت را به حداقل رساند و در عین حال از مزایای اجرای 4-bit بهره برد. این یعنی اجرای مدل‌های بزرگ‌تر روی GPUهای مصرفی و حتی سخت‌افزارهای محدود، بدون قربانی کردن محسوس کیفیت پاسخ‌ها. برای توسعه‌دهندگانی که به اجرای محلی (Local LLM)، Agentها یا اپلیکیشن‌های Edge علاقه دارند، Gemma 4 QAT یکی از مهم‌ترین انتشارهای اخیر محسوب می‌شود. 📚 برای مطالعه بیشتر: 🔹 https://blog.google/innovation-and-ai/technology/developers-tools/quantization-aware-training-gemma-4/ 🔹 https://unsloth.ai/docs/models/gemma-4/qat 🌀 @cvision 🌀

2
🚀 مدل Gemma 4 QAT؛ وقتی کوانتایز شدن دیگر به معنی افت کیفیت نیست ! 🚀
🚀 مدل Gemma 4 QAT؛ وقتی کوانتایز شدن دیگر به معنی افت کیفیت نیست ! 🚀
1 582
3
🔥 SAM 3D Body — Promptable Full-Body Mesh Recovery یک مقاله از Meta AI که از یک single RGB image می‌تواند یک full 3D human b
🔥 SAM 3D Body — Promptable Full-Body Mesh Recovery یک مقاله از Meta AI که از یک single RGB image می‌تواند یک full 3D human body mesh را reconstruct کند. ویژگی مهم این مدل این است که promptable است؛ یعنی علاوه بر حالت automatic، می‌توانید reconstruction را با mask و 2D keypoints هدایت کنید. ✅ Full-body 3D mesh recovery از یک تصویر ✅ Support برای guidance با mask و keypoints ✅ Robust روی تصاویر واقعی ✅ کاربرد در animation، game development، AR/VR و motion capture این مدل در ادامه مسیر SAM نشان می‌دهد که vision foundation models در حال ورود جدی به 3D reconstruction هستند. 🚀 📄 Paper: https://arxiv.org/pdf/2602.15989 💻 Code: https://github.com/facebookresearch/sam-3d-body
2 008
4
📢🎉کد تخفیف ویژه اعضای محترم کانال به مناسبت عید غدیر کد تخفیف 800 هزارتومانی شبکه های عصبی گرافی gnn_ghadir_1405 کد تخفیف 6
📢🎉کد تخفیف ویژه اعضای محترم کانال به مناسبت عید غدیر کد تخفیف 800 هزارتومانی شبکه های عصبی گرافی gnn_ghadir_1405 کد تخفیف 60 درصدی آموزش هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM) COUPON-A7EDE کد 70 درصد تخفیف آموزش مدل‌های زبانی-تصویری (VLM): از درک تصویر و ویدیو تا فاین‌تیون پیشرفته COUPON-DDAEC کد تخفیف 70 درصدی آموزش جامع یادگیری عمیق(Deep Learning) با Tensorflow و keras COUPON-5B37A اعتبار تا: 22 خرداد ماه 1405
3 228