CodeBlanks Logo Icon CodeBlanks
Giriş Yap Kayıt Ol

Tensor

Tensor, PyTorch'un temel veri yapısıdır ve çok boyutlu dizidir.

Tensör

Tensör, PyTorch'un temel veri yapısıdır: aynı türden sayıların n boyutlu dizisi. Boyut sayısına göre adlandırılır: skaler (0), vektör (1), matris (2), daha fazlası tensör. Bir görüntü grubu tipik olarak 4 boyutludur: (örnek, kanal, yükseklik, genişlik).

s = torch.tensor(3.0)               # 0 boyut
v = torch.tensor([1.0, 2.0])        # 1 boyut
m = torch.tensor([[1, 2], [3, 4]])  # 2 boyut
print(s.dim(), v.dim(), m.dim())    # 0 1 2

Eleman bazlı işlemler, yayınlama ve indeksleme NumPy'daki gibidir.

NumPy ile köprü

torch.from_numpy ve .numpy() veriyi kopyalamadan iki dünya arasında taşır; aynı belleği paylaştıkları için birinde yapılan değişiklik diğerine yansır:

a = np.array([1, 2, 3])
t = torch.from_numpy(a)
a[0] = 100
print(t.tolist())       # [100, 2, 3]  bellek ortak
k = torch.tensor(a)     # kopya: bağımsız

Bağımsız bir kopya isteniyorsa torch.tensor(a) ya da t.clone() kullanılır.

Uygulama Paylaşılan bellek

a dizisinden torch.from_numpy ile t1, torch.tensor ile t2 oluştur. Ardından a[1] = 50 yap; t1.tolist() ve t2.tolist() değerlerini alt alta yazdır.

Başlangıç kodu

model.py
import numpy as np
import torch

a = np.array([1, 2, 3])

# buraya yaz

Örnek çözüm

model.py
import numpy as np
import torch

a = np.array([1, 2, 3])

t1 = torch.from_numpy(a)
t2 = torch.tensor(a)
a[1] = 50
print(t1.tolist())
print(t2.tolist())

Beklenen çıktı

[1, 50, 3]
[1, 2, 3]

Soru ve cevaplar

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

1 32 renkli (3 kanal) 64×64 görüntüden oluşan bir grup kaç boyutlu bir tensördür?

  • 2
  • 5
  • 4 Doğru cevap
  • 3

Açıklama: Şekil (32, 3, 64, 64): örnek, kanal, yükseklik, genişlik.

2 NumPy dizisini kopyalamadan tensöre çevir.

Soru 
t = torch.____(a)
Cevap 
t = torch.from_numpy(a)

Açıklama: from_numpy belleği paylaşır; torch.tensor kopyalar.

3 Boyutları eşleştir.

Kavram Anlamı
skaler 0 boyut
vektör 1 boyut
matris 2 boyut
görüntü grubu 4 boyut

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