LeNet وAlexNet: الانتصارات الأولى
من أين بدأت شبكات CNN الحديثة
LeNet وAlexNet: الانتصارات الأولى درس مجاني في Deep Learning Academy على CoddyKit. هذا هو الدرس 1 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في Deep Learning Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Deep Learning Academy 4 دروس في المجموع.
بعض أجزاء هذا الدرس لم تُترجم بعد وتظهر باللغة الإنجليزية.
Where CNNs Began
Long before todays giants, two small networks proved that learned convolutions could read images. Lets meet the pioneers.
LeNet-5 Reads Digits
In 1998 Yann LeCun built LeNet-5 to recognize handwritten digits on checks. It was tiny, but it worked beautifully.
A Simple Recipe
LeNets pattern was clear: alternate convolution and pooling layers, then finish with a few dense layers. That recipe still echoes today.
Trained End to End
The big idea was that LeNet learned its filters from data by backpropagation, instead of an engineer hand-coding edge detectors.
Then Came the Pause
Data and compute were scarce, so progress stalled for years. The world was not yet ready to scale this idea up.
AlexNet Wakes the Field
In 2012 AlexNet crushed the ImageNet contest, halving the error rate and igniting the modern deep learning boom.
Bigger and Deeper
AlexNet was a scaled-up LeNet: more layers, far more filters, and millions of parameters hungry for data.
ReLU Speeds Training
AlexNet swapped slow saturating activations for the fast, simple ReLU, letting a deep net train in a reasonable time.
Trained on Two GPUs
It ran on two GPUs in parallel. That hardware choice turned an old idea into a practical, winning system.
Dropout Fights Overfit
To stop memorizing, AlexNet added dropout in its dense layers, randomly silencing neurons during training.
import torch.nn as nn
classifier = nn.Sequential(nn.Dropout(0.5), nn.Linear(4096, 1000))A Conv Layer in PyTorch
Both nets are stacks of one core block. Here is a single Conv2d layer, the brick everything is built from.
import torch.nn as nn
layer = nn.Conv2d(in_channels=3, out_channels=96, kernel_size=11, stride=4)Quick Check
Think about what made AlexNet so influential.
Recap: The First Wins
LeNet showed CNNs could learn, and AlexNet proved they could win at scale. Together they launched the era you are studying. Nice start!
تعلم Python مع معلم ذكاء اصطناعي — مجانًا
اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.
- الدورات
- 30
- الدروس
- 120
الأسئلة الشائعة
هل درس «LeNet وAlexNet: الانتصارات الأولى» مجاني؟
نعم — نص درس «LeNet وAlexNet: الانتصارات الأولى» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Deep Learning Academy، انتقل إلى CoddyKit PRO. تتضمن دورة Deep Learning Academy 4 دروس في المجموع.
ماذا ستتعلم في «LeNet وAlexNet: الانتصارات الأولى»؟
من أين بدأت شبكات CNN الحديثة تتمرن على Deep Learning Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ Deep Learning Academy؟
لا تُشترط خبرة سابقة. Deep Learning Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 1 من أصل 4.
كم من الوقت يستغرق درس «LeNet وAlexNet: الانتصارات الأولى»؟
معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.
هل يمكنني كتابة وتشغيل أكواد في درس Deep Learning Academy هذا؟
نعم. كل درس في Deep Learning Academy يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.
جميع الدروس في هذه الدورة
- LeNet وAlexNet: الانتصارات الأولى
- VGG: تكديس المرشحات الصغيرة
- ResNet: الاتصالات المتخطية تتعمق
- تحميل نماذج torchvision