پیش از سال ۲۰۱۲، دنیای بینایی ماشین با چالشهای جدی در مقیاسپذیری و دقت مواجه بود. مدلهای یادگیری عمیق هنوز به اندازه امروز قدرتمند نبودند و محدودیت دادههای آموزشی باعث میشد عملکرد الگوریتمها در مسائل پیچیده تصویری چندان رضایتبخش نباشد. در همین دوره، ظهور دیتاست بزرگی مانند ImageNet نقطه عطفی در مسیر توسعه مدلهای بینایی ماشین ایجاد کرد و امکان آموزش مدلها روی حجم عظیمی از تصاویر را فراهم ساخت؛ بستری که در نهایت زمینهساز ظهور AlexNet شد.
در چنین بستری، مدل AlexNet معرفی شد؛ مدلی که با استفاده از معماری عمیقتر، پردازش مبتنی بر GPU و نوآوریهایی مانند ReLU و Dropout توانست عملکردی بیسابقه در رقابت ImageNet ارائه دهد. در این مقاله بررسی میکنیم که ImageNet چه نقشی در شکلگیری این تحول داشت، AlexNet چگونه کار میکرد، چه نوآوریهایی را معرفی کرد و چرا این مدل را میتوان نقطه آغاز عصر جدید یادگیری عمیق دانست.
ImageNet چیست و چرا مهم بود؟
ImageNet یکی از بزرگترین و تاثیرگذارترین دیتاستهای بینایی ماشین است که با هدف آموزش و ارزیابی مدلهای تشخیص تصویر ساخته شد. این دیتاست شامل میلیونها تصویر برچسبخورده در هزاران کلاس مختلف است و بهعنوان یک benchmark استاندارد برای سنجش عملکرد الگوریتمهای بینایی کامپیوتری شناخته میشود.
اهمیت ImageNet فقط در اندازه بزرگ آن نیست، بلکه در این است که برای اولین بار امکان آموزش مدلهای یادگیری عمیق روی دادهای در این مقیاس فراهم شد. قبل از ImageNet، مدلها معمولا روی دیتاستهای کوچکتر و محدودتر آموزش داده میشدند و همین موضوع باعث میشد توانایی آنها در تعمیم به دادههای واقعی محدود باشد.
همین نقطه ضعف، یکی از دلایل اصلی شکست نسبی مدلهای CNN سنتی بود؛ چون آنها نمیتوانستند از ظرفیت واقعی دادههای تصویری در مقیاس بزرگ استفاده کنند.
با معرفی ImageNet، یک معیار جدید برای ارزیابی مدلها شکل گرفت که به آن ImageNet Challenge گفته میشود. این رقابت به سرعت تبدیل به یکی از مهمترین معیارهای پیشرفت در حوزه هوش مصنوعی شد و زمینه را برای ظهور مدلهایی مانند AlexNet فراهم کرد که توانستند جهشی بزرگ در دقت و عملکرد ایجاد کنند.
AlexNet چیست؟
AlexNet یک معماری شبکه عصبی کانولوشنی عمیق است که در سال ۲۰۱۲ توسط Alex Krizhevsky و همکارانش معرفی شد و بهعنوان یکی از مهمترین نقاط عطف تاریخ یادگیری عمیق شناخته میشود. این مدل در رقابت ImageNet توانست عملکردی بسیار بهتر از تمام روشهای قبلی ارائه دهد و عملا نشان داد که شبکههای عصبی عمیق در مقیاس بزرگ میتوانند مسائل پیچیده بینایی ماشین را حل کنند.
از نظر تاریخی، AlexNet اولین مدلی بود که بهصورت جدی نشان داد ترکیب شبکههای عصبی عمیق + دادههای بزرگ + توان محاسباتی GPU میتواند به یک جهش واقعی در دقت مدلها منجر شود. تیمی که این مدل را توسعه داد، با استفاده از پردازش GPU توانست شبکهای بسیار عمیقتر از مدلهای قبلی آموزش دهد؛ چیزی که در آن زمان بهصورت CPU-based عملا غیرممکن یا بسیار کند بود.
بهصورت ساده، AlexNet را میتوان اینطور تعریف کرد:
یک CNN عمیق که با استفاده از GPU training روی دیتاست ImageNet آموزش داده شد و یک breakthrough بزرگ در دقت تشخیص تصویر ایجاد کرد.
این مدل نهتنها برنده رقابت ImageNet شد، بلکه مسیر توسعه معماریهای بعدی مانند VGG و ResNet را هم هموار کرد و عملا آغازگر عصر جدیدی در Deep Learning بود.
معماری AlexNet
AlexNet در مقایسه با مدلهای مدرن Deep Learning، معماری نسبتا سادهتری دارد، اما در زمان خود یک پیشرفت چشمگیر محسوب میشد. این مدل شامل ۸ لایه قابل یادگیری است:
- ۵ لایه convolutional
- ۳ لایه fully connected
در کنار این ساختار، AlexNet چند نوآوری کلیدی مانند ReLU، Local Response Normalization (LRN) و Overlapping Max Pooling را معرفی کرد که نقش مهمی در موفقیت آن داشتند.
۱. ورودی شبکه (Input Layer)
ورودی AlexNet تصاویر RGB با اندازه 227 × 227 × 3 است. این تصاویر قبل از ورود به شبکه معمولا preprocessing شده و به این ابعاد resize میشوند.
۲. لایههای کانولوشن (Convolutional Layers)
🔹 لایه اول
- ۹۶ فیلتر (kernel)
- اندازه فیلتر: ۱۱×۱۱
- stride = ۴
- فعالسازی: ReLU
- سپس Max Pooling
این لایه ویژگیهای ابتدایی مانند edgeها و textureها را استخراج میکند.
🔹 لایه دوم
- ۲۵۶ فیلتر
- اندازه فیلتر: ۵×۵×۴۸
- ورودی از خروجی لایه اول
🔹 لایه سوم
- ۳۸۴ فیلتر
- اندازه: ۳×۳×۲۵۶
🔹 لایه چهارم
- ۳۸۴ فیلتر
- اندازه: ۳×۳×۱۹۲
🔹 لایه پنجم
- ۲۵۶ فیلتر
- اندازه: ۳×۳×۱۹۲
- همراه با pooling
نکته مهم: در لایههای ۳ تا ۵، عملیات pooling و normalization اعمال نمیشود تا شبکه بتواند ویژگیهای عمیقتر را حفظ کند.
۳. لایههای Fully Connected
پس از استخراج ویژگیها:
- ۴۰۹۶ نورون در هر لایه FC
- ۳ لایه fully connected
این بخش مسئول یادگیری روابط پیچیده بین ویژگیها و کلاسهاست.
۴. لایه خروجی (Softmax)
در نهایت، خروجی شبکه یک لایه Softmax است که احتمال تعلق تصویر به ۱۰۰۰ کلاس ImageNet را محاسبه میکند.
۵. بهینهسازی (SGD + Momentum)
برای آموزش مدل از Stochastic Gradient Descent (SGD) با momentum استفاده میشود.
SGD چگونه کار میکند؟
در آموزش شبکه عصبی AlexNet، هدف این است که مقدار خطا (loss) به حداقل برسد. برای رسیدن به این هدف، از الگوریتمی به نام Stochastic Gradient Descent (SGD) استفاده میشود.
ایده اصلی SGD این است که بهجای اینکه مدل روی کل دیتاست بزرگ محاسبات سنگین انجام دهد، در هر مرحله فقط یک بچ (batch) کوچک و تصادفی از دادهها را انتخاب میکند. سپس بر اساس همان دادههای محدود، مقدار خطا محاسبه میشود و وزنهای شبکه بهروزرسانی میشوند.
این فرایند بهصورت تکراری انجام میشود:
مدل یک batch کوچک میبیند، خطا را حساب میکند و سپس پارامترها را اصلاح میکند. این روش باعث میشود آموزش بسیار سریعتر و قابلمقیاستر باشد، مخصوصاً زمانی که با دیتاست بزرگی مانند ImageNet کار میکنیم.
Momentum چه کار میکند؟
در کنار SGD، از تکنیکی به نام Momentum استفاده میشود تا روند یادگیری پایدارتر شود.
در حالت عادی، آپدیت وزنها ممکن است در هر مرحله نوسان زیادی داشته باشد؛ یعنی جهت حرکت مدل مدام تغییر کند و آموزش کند یا ناپایدار شود. Momentum این مشکل را حل میکند.
ایده آن شبیه حرکت یک جسم در فیزیک است: اگر جسمی در حال حرکت باشد، تمایل دارد مسیر قبلی خود را ادامه دهد. در یادگیری ماشین هم Momentum به آپدیتها «اینرسی» اضافه میکند.
به این معنا که بهجای اینکه هر بار فقط بر اساس گرادیان فعلی تصمیم گرفته شود، بخشی از جهت حرکت قبلی هم در آپدیت جدید دخیل میشود.
نتیجه این کار:
- نوسانهای آموزش کاهش پیدا میکند
- مدل کمتر در نقاط گیر (مثل saddle point) متوقف میشود
- سرعت همگرایی (convergence) افزایش پیدا میکند
به زبان ساده:
- SGD = یادگیری مرحلهبهمرحله با دادههای کوچک
- Momentum = پایدار کردن مسیر یادگیری و جلوگیری از حرکتهای نوسانی
۶. Weight Decay (Regularization)
فرمول:
\( L_{new}\left ( w \right )= L_{original}\left ( w \right )+\lambda w^{T}w\)
ایده اصلی:
- جریمه کردن وزنهای بزرگ
- جلوگیری از overfitting
- یادگیری الگوهای عمومیتر
۷. Data Augmentation
برای افزایش تنوع دادهها، AlexNet از augmentation استفاده کرد:
- random cropping
- flipping
- color jittering
هدف افزایش generalization و جلوگیری از memorization دادههاست.
نوآوریهای کلیدی AlexNet
AlexNet فقط یک مدل CNN عمیق نبود، بلکه مجموعهای از نوآوریهای مهم را معرفی کرد که مسیر یادگیری عمیق مدرن را تغییر داد. اهمیت AlexNet بیشتر از معماری لایهای آن، در همین تکنیکها و انتخابهای مهندسی نهفته است؛ تکنیکهایی که باعث شدند آموزش شبکههای عمیق روی دیتاستهای بزرگ مثل ImageNet عملاً ممکن و پایدار شود.
در واقع، موفقیت AlexNet نتیجه ترکیب چند ایده کلیدی بود که هرکدام یک مشکل مهم در آموزش شبکههای عصبی را حل میکردند؛ از سرعت و پایداری آموزش گرفته تا جلوگیری از overfitting و بهبود عملکرد در دادههای واقعی. در ادامه، مهمترین این نوآوریها را بررسی میکنیم.
ReLU Activation
ReLU یک تابع فعالسازی ساده است:
\( f\left ( x \right )= max\left ( 0,x \right )\)
قبل از آن از sigmoid و tanh استفاده میشد که:
- آموزش را کند میکردند
- مشکل vanishing gradient داشتند
ReLU این مشکلات را حل کرد چون:
- محاسبات سادهتری دارد
- گرادیان بهتر عبور میکند
- آموزش سریعتر میشود
Dropout
Dropout یک روش regularization است که در آن بهصورت تصادفی برخی نورونها غیرفعال میشوند و هدف آن:
- جلوگیری از overfitting
- مجبور کردن مدل به یادگیری ویژگیهای robust
نکته:
- اگرچه training را کندتر میکند، اما generalization را بهبود میدهد.
Overlapping Pooling
در pooling معمولی، نواحی مجاور همپوشانی ندارند، اما در AlexNet از overlapping pooling استفاده شد.
ویژگیها:
- کاهش ابعاد feature map
- افزایش invariance نسبت به تغییرات مکانی
- کاهش overfitting
AlexNet چگونه کار میکند؟
AlexNet را میتوان بهجای یک مجموعه لایه، بهعنوان یک فرایند تبدیل تدریجی تصویر به مفهوم در نظر گرفت.
این مدل تصویر خام را بهصورت یک سری transformationهای پشتسرهم پردازش میکند؛ بهطوری که در هر مرحله، سطح درک مدل از تصویر عمیقتر و انتزاعیتر میشود.
۱. آمادهسازی داده (Data Preprocessing)
برای آزمایش مدل، از نسخه کوچکشده دیتاست ImageNet (Tiny ImageNet) استفاده میشود که روی HuggingFace در دسترس است.
|
1 2 3 4 5 6 7 |
from datasets import load_dataset imagenet = load_dataset( ‘Maysee/tiny-imagenet’, split=‘valid’, ignore_verifications=True ) |
این دیتاست شامل حدود 10,000 تصویر validation است و هر نمونه شامل:
- تصویر (PIL object)
- برچسب کلاس (label)
بررسی یک نمونه داده
هر نمونه به شکل زیر است:
|
1 |
imagenet[0] |
خروجی:
|
1 2 3 4 |
{ ‘image’: <PIL image>, ‘label’: 0 } |
نکته مهم: تصاویر ممکن است در فرمتهای مختلف باشند (RGB، grayscale و …)، بنابراین باید استانداردسازی شوند.
۲. پیشپردازش تصاویر
مدل AlexNet فقط ورودی استاندارد دریافت میکند، بنابراین باید چند مرحله preprocessing انجام شود:
مراحل اصلی:
- تبدیل تصویر به RGB
- تغییر اندازه (Resize) به 224×224
- تبدیل به Tensor
- نرمالسازی (Normalization)
تبدیل فرمت تصویر
|
1 2 |
if image.mode != ‘RGB’: image = image.convert(“RGB”) |
چون مدل انتظار 3 کانال رنگی (RGB) دارد.
Resize و Crop
|
1 2 3 4 5 6 |
from torchvision import transforms preprocess = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224) ]) |
دلیل: مدلهای CNN مانند AlexNet برای ورودی استاندارد 224×224 طراحی شدهاند.
تبدیل به Tensor + Normalization
|
1 2 3 4 5 6 7 |
transforms.Compose([ transforms.ToTensor(), transforms.Normalize( mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225] ) ]) |
هدف normalization، هممقیاس کردن دادهها برای آموزش پایدارتر مدل است.
ساخت batch
برای inference، دادهها به batch تبدیل میشوند:
|
1 |
inputs = torch.stack(inputs) |
خروجی:
|
1 |
torch.Size([50, 3, 224, 224]) |
۳. بارگذاری مدل AlexNet
مدل pretrained از PyTorch Hub لود میشود:
|
1 2 3 4 5 6 7 8 9 |
import torch model = torch.hub.load( ‘pytorch/vision:v0.10.0’, ‘alexnet’, pretrained=True ) model.eval() |
حالت eval برای inference استفاده میشود (نه training).
ساختار مدل
مدل شامل:
- 5 لایه convolutional
- pooling layers
- 3 لایه fully connected
- یک لایه خروجی 1000 کلاس
خروجی مدل:
|
1 |
torch.Size([batch_size, 1000]) |
۴. اجرای مدل روی GPU (Device Handling)
برای سرعت بیشتر:
|
1 2 3 4 5 6 7 8 |
device = torch.device( ‘cuda’ if torch.cuda.is_available() else (‘mps’ if torch.backends.mps.is_available() else ‘cpu’) ) inputs = inputs.to(device) model.to(device) |
۵. Inference (پیشبینی)
مدل روی تصاویر اجرا میشود:
|
1 2 |
with torch.no_grad(): output = model(inputs) |
خروجی:
یک tensor از logits برای 1000 کلاس مختلف ImageNet
تبدیل logits به prediction
|
1 |
preds = torch.argmax(output, dim=1) |
یعنی: کلاسی که بیشترین احتمال را دارد انتخاب میشود.
۶. تفسیر خروجی مدل
برای تفسیر خروجیها، لیبلهای ImageNet دانلود میشوند:
|
1 2 3 4 5 6 7 |
import requests res = requests.get( “https://raw.githubusercontent.com/pytorch/hub/master/imagenet_classes.txt” ) labels = res.text.split(‘\n’) |
مثال:
کلاس index 1 = goldfish
محاسبه دقت
|
1 |
accuracy = sum(preds == 1) / len(preds) |
نتیجه:
مدل میتواند نمونههای مربوط به کلاس goldfish را با دقت قابل توجهی تشخیص دهد.
کد نمونه AlexNet (PyTorch ساده)
در این بخش یک نمونه ساده از پیادهسازی و اجرای AlexNet در PyTorch را میبینیم تا درک بهتری از نحوه استفاده عملی آن داشته باشیم.
این کد نشان میدهد که چگونه میتوان یک مدل از پیش آموزشدیده را بارگذاری کرد و برای پیشبینی (inference) روی تصاویر استفاده کرد.
۱. بارگذاری مدل pretrained
|
1 2 3 4 5 6 7 8 9 10 |
import torch # load pretrained AlexNet model = torch.hub.load( ‘pytorch/vision:v0.10.0’, ‘alexnet’, pretrained=True ) model.eval() |
نکته:
- pretrained=True یعنی مدل از قبل روی ImageNet آموزش دیده است
- eval() مدل را وارد حالت inference میکند (نه training)
۲. آمادهسازی تصویر ورودی
|
1 2 3 4 5 6 7 8 9 10 11 |
from torchvision import transforms preprocess = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize( mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225] ) ]) |
هدف، تبدیل تصویر خام به فرم استاندارد قابل فهم برای مدل است.
۳. اجرای مدل (Inference)
|
1 2 |
with torch.no_grad(): output = model(inputs) |
توضیح:
- no_grad() یعنی محاسبه گرادیان انجام نمیشود (مصرف کمتر حافظه)
- خروجی شامل logits برای 1000 کلاس ImageNet است
۴. استخراج پیشبینی نهایی
|
1 |
preds = torch.argmax(output, dim=1) |
یعنی مدل برای هر تصویر، کلاسی را انتخاب میکند که بیشترین احتمال را دارد.
کاربردهای AlexNet
AlexNet در ابتدا برای مسئله طبقهبندی تصویر (image classification) طراحی شد، اما با گذشت زمان و توسعه مفاهیمی مانند transfer learning (استفاده مجدد از یک مدل آموزشدیده در یک وظیفه جدید)، کاربردهای بسیار گستردهتری پیدا کرد. علاوه بر این، لایههای کانولوشنی این مدل بهعنوان پایهای برای معماریهای پیشرفتهتر مانند Fast R-CNN و Faster R-CNN نیز مورد استفاده قرار گرفتند و نقش مهمی در حوزههایی مثل خودروهای خودران و سیستمهای نظارتی ایفا کردند.
- در حوزه تصاویر پزشکی، این مدل برای تحلیل تصاویر پزشکی مانند X-ray، MRI و CT scan مورد استفاده قرار میگیرد و در تشخیص بیماریهایی مانند سرطانها، مشکلات مغزی و بیماریهای چشم نقش دارد. یکی از کاربردهای مهم AlexNet در حوزه تشخیص اوتیسم است. در این روش، مدل ابتدا روی دیتاست ImageNet آموزش داده میشود و سپس با استفاده از transfer learning روی دادههای مرتبط با اوتیسم در کودکان fine-tune میشود تا بتواند به تشخیص زودهنگام این اختلال کمک کند.
- در حوزه پردازش ویدئو (Video Classification) نیز از AlexNet برای استخراج ویژگیهای مهم فریمهای ویدئویی استفاده شده است؛ بهطوری که این ویژگیها در تشخیص رفتارها، فعالیتها و رویدادهای مختلف کاربرد دارند.
- در بخش کشاورزی (Agriculture)، این مدل برای تحلیل تصاویر گیاهان بهکار میرود تا وضعیت سلامت گیاه، بیماریها، آفات و تنشهای محیطی شناسایی شود و در نتیجه به بهبود کیفیت و میزان محصول کمک کند.
- در حوزه مدیریت بحران و بلایای طبیعی نیز AlexNet با تحلیل تصاویر ماهوارهای و پهپادی، به تیمهای امدادی در ارزیابی شرایط و تصمیمگیری سریعتر کمک میکند.
اثر AlexNet روی دنیای هوش مصنوعی
AlexNet فقط یک مدل موفق در Image Classification نبود؛ بلکه نقطه شروع یک تغییر پارادایم در دنیای هوش مصنوعی محسوب میشود. قبل از AlexNet، بسیاری از روشهای بینایی ماشین بر پایه feature engineering دستی بودند، اما این مدل نشان داد که شبکههای عصبی عمیق میتوانند مستقیما از داده خام، ویژگیهای پیچیده را یاد بگیرند.
موفقیت AlexNet در رقابت ImageNet در سال ۲۰۱۲ باعث شد توجه جامعه تحقیقاتی و صنعتی بهطور جدی به سمت Deep Learning جلب شود. پس از آن، استفاده از GPU برای آموزش مدلها به یک استاندارد تبدیل شد و معماریهای جدیدی مانند VGG و ResNet بر پایه همین ایدهها توسعه پیدا کردند.
از طرف دیگر، AlexNet مسیر را برای رشد اکوسیستمهای مدرن هوش مصنوعی هموار کرد؛ از سیستمهای تشخیص تصویر گرفته تا موتورهای جستجوی تصویری، خودروهای خودران و حتی مدلهای پیشرفتهتر vision-language. در واقع میتوان گفت AlexNet آغازگر عصری بود که در آن «یادگیری از داده» جایگزین «طراحی دستی ویژگیها» شد و همین تغییر، پایهگذار AI مدرن شد.
مقایسه قبل و بعد از AlexNet
AlexNet باعث شد مسیر بینایی ماشین بهطور کامل تغییر کند. جدول زیر تفاوت رویکردها را قبل و بعد از این مدل نشان میدهد:
| جنبه | قبل از AlexNet | بعد از AlexNet |
| رویکرد اصلی | feature engineering دستی (طراحی ویژگی توسط انسان) | یادگیری خودکار ویژگیها با CNN |
| استخراج ویژگی | لبهها، بافتها و ویژگیهای ساده بهصورت دستی | استخراج سلسلهمراتبی ویژگیها از low-level تا high-level |
| نیاز به تخصص انسانی | بسیار بالا (طراحی دستی ویژگیها ضروری بود) | کمتر (مدل خودش feature میسازد) |
| مقیاسپذیری مدلها | محدود به مدلهای کمعمق | امکان آموزش شبکههای عمیق |
| دادههای بزرگ (مثل ImageNet) | استفاده محدود به دلیل محدودیت مدلها | استفاده مؤثر از دیتاستهای بزرگ |
| سختافزار | عمدتاً CPU-based | استفاده گسترده از GPU training |
| عملکرد روی تصویر | محدود و وابسته به طراحی ویژگی | دقت بسیار بالاتر و generalization بهتر |
| مسیر توسعه | روشهای سنتی vision | آغاز عصر Deep Learning مدرن |
AlexNet نقطهای بود که در آن «طراحی دستی ویژگیها» جای خود را به «یادگیری عمیق از داده» داد و عملا مسیر جدیدی برای کل حوزه هوش مصنوعی باز کرد.
جمعبندی
AlexNet را میتوان نقطه شروع واقعی انقلاب یادگیری عمیق در بینایی ماشین دانست. این مدل نشان داد که شبکههای عصبی عمیق، اگر با دادههای بزرگ مانند ImageNet و سختافزار مناسب مانند GPU آموزش داده شوند، میتوانند عملکردی فراتر از روشهای سنتی مبتنی بر feature engineering ارائه دهند.
اهمیت AlexNet فقط در معماری آن نبود، بلکه در مجموعهای از تصمیمهای کلیدی مانند استفاده از ReLU، Dropout و آموزش توزیعشده روی GPU بود که در کنار هم باعث شدند آموزش مدلهای بزرگ عملا ممکن شود. همین تغییرات ساده اما موثر، مسیر توسعه مدلهای بعدی مانند VGG و ResNet را هموار کرد.
در نهایت، AlexNet آغازگر عصری بود که در آن یادگیری ویژگیها بهجای طراحی دستی، بهصورت خودکار از داده انجام میشود؛ تغییری که پایهگذار بسیاری از پیشرفتهای امروزی در هوش مصنوعی و بینایی کامپیوتر است.
منابع
viso.ai | pinecone.io | papers.nips.cc
سوالات متداول
AlexNet شامل چند لایه Convolutional، لایههای Pooling، چند لایه Fully Connected و در نهایت Softmax برای طبقهبندی است.
بهصورت مستقیم کمتر، اما بهعنوان مدل پایه و آموزشی بسیار مهم است و بسیاری از معماریهای جدید از آن الهام گرفتهاند.
AlexNet عمق کمتری دارد، ساختار سادهتری استفاده میکند و فاقد تکنیکهایی مثل residual connections است که در مدلهای جدیدتر وجود دارند.
چون مدلهای جدیدتر مثل ResNet و EfficientNet هم دقت بالاتر دارند و هم بهینهتر هستند.
دیدگاهتان را بنویسید