CodeBlanks Logo Icon CodeBlanks
Giriş Yap Kayıt Ol

Özet - nn.Module

Bu grupta nn.Module, __init__, forward ve nn.Linear'ı öğrendin.

Özet: nn.Module

Bu grupta:

  • Her model nn.Module'dür; __init__'te katmanlar, forward'da hesap; çağrı m(x).
  • super().__init__() şart; katman listeleri için nn.ModuleList (düz liste parametreleri gizler).
  • nn.Sequential basit zincirler; torch.nn.functional parametresiz işlemler.
  • nn.Linear: ağırlık (çıktı, girdi), y = xWᵀ + b; nn.init ile başlatma.
  • parameters(), named_parameters(), dondurma ve state_dict.

Uygulama Kendi sınıflandırıcın

Siniflandirici(girdi, gizli, sinif) sınıfını yaz: __init__'te iki nn.Linear, forward'da araya ReLU. Siniflandirici(4, 16, 3) için torch.zeros(10, 4) girdisinin çıktı şeklini ve parametre sayısını aynı satırda yazdır.

Başlangıç kodu

model.py
import torch
from torch import nn

# buraya yaz

Örnek çözüm

model.py
import torch
from torch import nn

class Siniflandirici(nn.Module):
    def __init__(self, girdi, gizli, sinif):
        super().__init__()
        self.l1 = nn.Linear(girdi, gizli)
        self.l2 = nn.Linear(gizli, sinif)

    def forward(self, x):
        return self.l2(torch.relu(self.l1(x)))

m = Siniflandirici(4, 16, 3)
print(m(torch.zeros(10, 4)).shape, sum(p.numel() for p in m.parameters()))

Beklenen çıktı

torch.Size([10, 3]) 131

Soru ve cevaplar

Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.

1 Model kaydetmenin önerilen yolu hangisidir?

  • print(model)
  • model.parameters() listesini yazdırmak
  • pickle ile tüm Python oturumunu
  • torch.save(model.state_dict(), yol) Doğru cevap

Açıklama: state_dict yalnızca tensörleri içerir; model sınıfı kodla yeniden kurulup yüklenir.

2 Kaydedilen ağırlıkları modele yükle.

Soru 
model.____(torch.load("model.pt"))
Cevap 
model.load_state_dict(torch.load("model.pt"))

Açıklama: load_state_dict adları eşleşen tensörleri kopyalar.

3 Araçları eşleştir.

Kavram Anlamı
nn.Module Temel sınıf
nn.Sequential Sınıfsız zincir
nn.ModuleList Kayıtlı liste
state_dict Ağırlık sözlüğü

İleri seviye bölümündeki tüm dersler

1 Neural network temelleri

  1. Neural network nedir?
  2. Nöron
  3. Katmanlar
  4. Aktivasyon
  5. İleri yayılım
  6. Özet - Neural network

2 PyTorch temelleri

  1. PyTorch nedir?
  2. Tensor
  3. Tensor oluşturma
  4. Tensor özellikleri
  5. GPU desteği
  6. Özet - PyTorch

3 Tensor işlemleri

  1. Tensor işlemleri
  2. Shape
  3. Dtype
  4. Reshape
  5. Indexing
  6. Özet - Tensor işlemleri

4 Autograd

  1. Autograd nedir?
  2. requires_grad
  3. backward()
  4. grad
  5. Computational graph
  6. Özet - Autograd

5 Proje: Neural network

  1. Tensor hazırlama
  2. Model tanımı
  3. Loss hesabı
  4. Optimize edici

6 nn.Module

  1. nn.Module nedir?
  2. __init__
  3. forward
  4. nn.Linear
  5. parameters()
  6. Özet - nn.Module

7 Eğitim döngüsü

  1. Eğitim döngüsü
  2. Epoch
  3. Loss
  4. backward()
  5. optimizer.step()
  6. Özet - Eğitim döngüsü

8 CNN

  1. CNN nedir?
  2. Conv2d
  3. MaxPool2d
  4. Feature map
  5. Flatten
  6. Özet - CNN

9 RNN

  1. RNN nedir?
  2. Hidden state
  3. Sequence
  4. Vanishing gradient
  5. Embedding
  6. Özet - RNN

10 LSTM

  1. LSTM nedir?
  2. Gate'ler
  3. Cell state
  4. input_size
  5. hidden_size
  6. Özet - LSTM

11 Proje: CNN

  1. Veri hazırlama
  2. CNN modeli
  3. Loss ve optimizer
  4. Eğitim

12 Transfer öğrenme

  1. Transfer öğrenme nedir?
  2. Pre-trained model
  3. Fine-tuning
  4. Feature extraction
  5. Avantajlar
  6. Özet - Transfer öğrenme

13 Optimizasyon

  1. Optimizer nedir?
  2. SGD
  3. Adam
  4. Learning rate
  5. zero_grad()
  6. Özet - Optimizasyon

14 İleri seviye finali

  1. Meydan okuma 1
  2. Meydan okuma 2
  3. Meydan okuma 3
  4. Meydan okuma 4