CodeBlanks Logo Icon CodeBlanks
Giriş Yap Kayıt Ol

Özet - PyTorch

Bu grupta tensor oluşturma, özellikleri ve GPU desteğini öğrendin.

Özet: PyTorch

Bu grupta:

  • PyTorch: tensörler, autograd ve nn; kod satır satır çalışır.
  • Tensör: n boyutlu dizi; item() ve tolist() ile Python'a dönüş.
  • from_numpy belleği paylaşır, torch.tensor kopyalar.
  • Oluşturma: zeros, ones, arange, rand, randn; manual_seed.
  • shape, dtype (girdi float32, etiket int64), device; .to(cihaz) ve .cpu().

Uygulama Veriyi tensöre hazırla

NumPy'daki X_np (float64) ve y_np dizilerini tensöre çevir: X float32, y int64 olsun. İkisinin dtype değerlerini aynı satırda, ardından X.shape değerini yazdır.

Başlangıç kodu

model.py
import numpy as np
import torch

X_np = np.random.default_rng(0).normal(size=(8, 3))
y_np = np.array([0, 1, 1, 0, 2, 2, 1, 0])

# buraya yaz

Örnek çözüm

model.py
import numpy as np
import torch

X_np = np.random.default_rng(0).normal(size=(8, 3))
y_np = np.array([0, 1, 1, 0, 2, 2, 1, 0])

X = torch.from_numpy(X_np).float()
y = torch.from_numpy(y_np).long()
print(X.dtype, y.dtype)
print(X.shape)

Beklenen çıktı

torch.float32 torch.int64
torch.Size([8, 3])

Soru ve cevaplar

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

1 NumPy'dan gelen float64 özellikleri modele vermeden önce ne yapılmalıdır?

  • Hiçbir şey
  • Listeye çevirmek
  • .float() ile float32'ye çevirmek Doğru cevap
  • .long() ile tam sayıya çevirmek

Açıklama: Model ağırlıkları float32'dir; türler uyuşmazsa hata alınır.

2 Etiketleri int64 yap.

Soru 
y = torch.from_numpy(y_np).____()
Cevap 
y = torch.from_numpy(y_np).long()

Açıklama: Çapraz entropi kaybı sınıf etiketlerini long (int64) ister.

3 Araçları eşleştir.

Kavram Anlamı
torch.from_numpy Paylaşımlı dönüşüm
torch.manual_seed Tohum
.float() float32
.cpu().numpy() NumPy'a dönüş

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