Google Colab

• Google Colab (Colaboratory) یک سرویس رایگان گوگل هست که توی مرورگر (مثل Gmail یا Google Docs) اجرا میشه.
• محیطش شبیه Jupyter Notebook هست، یعنی می تونید توی اون کد پایتون بنویسید، اجرا کنید، و نتیجه رو همون جا ببینید.

• اجرای الگوریتم های یادگیری عمیق (Deep Learning) خیلی سنگین و زمان بره.
• برای اینکه سریع تر اجرا بشه، نیاز به سخت افزار قوی داریم مثل:
  CPU → پردازنده معمولی کامپیوتر
  GPU (کارت گرافیک) → مخصوص محاسبات موازی (خیلی سریع تر برای یادگیری عمیق)
  TPU (تنسور پروسسینگ یونیت) → سخت افزار مخصوص گوگل برای TensorFlow

📌 وقتی می گیم GPU رایگان یعنی گوگل به شما یک کارت گرافیک مجازی (مثلا Tesla T4 یا P100) میده که می تونید بدون هزینه، برای آموزش شبکه های عصبی استفاده کنید.

مزیت های Google Colab

• هیچ چیزی لازم نیست نصب کنید (فقط مرورگر و اینترنت).
• اجرای رایگان کدها روی GPU و حتی TPU.
• دسترسی مستقیم به Google Drive برای ذخیره پروژه ها.
• مخصوص پایتونه → متلب روی Colab کار نمی کنه.

یادگیری عمیق (Deep Learning) یک روش هست، نه یک نرم افزار مشخص. برای پیاده سازی و اجرای اون از کتابخانه ها (Libraries) و چارچوب های نرم افزاری (Frameworks) استفاده میشه. رایج ترین ابزارها:

🔹 پایتون (Python) اصلی ترین زبان برنامه نویسی برای یادگیری عمیق هست. بیشتر چارچوب ها روی پایتون ساخته شدن.

کتابخانه ها و چارچوب های پرکاربرد:

1. TensorFlow (گوگل) – خیلی پرکاربرد در تحقیقات و صنعت.
2. Keras – رابط ساده تر برای TensorFlow (کاربرپسندتر).
3. PyTorch (فیسبوک) – پرطرفدار در تحقیقات دانشگاهی و پروژه های کاربردی.
4. MXNet (آمازون) – سبک و مناسب مقیاس های بزرگ.
5. Caffe – برای بینایی ماشین و شبکه های کانولوشنی.
6. Theano – قدیمی تره، پایه ی Keras بود (الان کمتر استفاده میشه).

محیط های اجرا و توسعه:

• Jupyter Notebook → محیط کدنویسی تعاملی (خیلی محبوب بین پژوهشگران).
• Google Colab → اجرای رایگان کدهای یادگیری عمیق روی GPU/TPU.
• Kaggle Kernels → مشابه Colab برای رقابت های داده ای.
• VS Code / PyCharm → محیط برنامه نویسی حرفه ای.