Döngülerden Kurtaran Yayınlama Kuralları
Farklı şekillere sahip tensörleri eleman bazında birleştirin.
Döngülerden Kurtaran Yayınlama Kuralları, CoddyKit'te ücretsiz bir Deep Learning Academy dersidir. Bu, 4 dersinin 3. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Deep Learning Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Deep Learning Academy kursu toplamda 4 dersten oluşur.
Şekilleri Eşleştirmeden Birleştirme
Yayınlama, PyTorch'un küçük bir tensor'ı büyük olana uyacak şekilde genişletmesini sağlar; böylece değerleri tekrarlamak için döngüler yazmanız gerekmez.
Her Şeye Bir Skaler Ekleme
Yayınlamanın en basit biçimi, bir tensor'ın tamamına tek bir sayı eklemektir. PyTorch bunu aynı anda her öğeye uygular. ✨
x = torch.tensor([1, 2, 3])
print(x + 10) # tensor([11, 12, 13])Şekilleri Sağdan Sola Karşılaştırma
Yayınlama, boyutları sağdan hizalar. Ardından birleşip birleşemeyeceklerine karar vermek için her çifti denetler.
Birinci Kural: Eşit Büyüklükler Uyuşur
İki boyut eşit olduklarında uyumludur. Eşleşen büyüklükler, genişletmeye gerek kalmadan bire bir hizalanır.
İkinci Kural: 1 Büyüklüğü Genişler
Boyutlardan biri 1 ise diğerine uyacak şekilde genişler. Bu tek değer, eksenin tamamında yeniden kullanılır.
a = torch.tensor([[1], [2], [3]])
b = torch.tensor([10, 20])
print((a + b).shape) # torch.Size([3, 2])Eksik Boyutlar 1 Sayılır
Bir tensor'ın boyutu daha az olduğunda PyTorch başına ones ekler. Bir vektör bu şekilde bir matrisle yayınlanabilir.
m = torch.ones(2, 3)
v = torch.tensor([1, 2, 3])
print((m + v).shape) # torch.Size([2, 3])Satırlar Boyunca Bir Yanlılık Ekleme
Klasik bir kullanım, her toplu iş örneğine satır yanlılığı eklemektir. Küçük bir vektör, hiçbir ek maliyet olmadan her satıra ulaşır.
batch = torch.zeros(4, 3)
bias = torch.tensor([1.0, 2.0, 3.0])
print((batch + bias).shape) # torch.Size([4, 3])Bir Sütunu Tek Seferde Normalleştirme
Yayınlamayla sütun başına bir ortalama çıkarın ve verilerinizi tek satırda merkezleyin; satırlar üzerinde döngü kurmanız gerekmez.
x = torch.tensor([[1.0, 2.0], [3.0, 4.0]])
m = x.mean(dim=0)
print(x - m)Şekiller Yayınlanamadığında
İki boyut farklıysa ve hiçbiri 1 değilse yayınlama başarısız olur ve PyTorch anlaşılır bir büyüklük hatası verir.
Yayınlamayı Yönlendirmek için Boyut Ekleme
Boyutu 1 olan bir ekseni tam olarak gerektiği yere eklemek için unsqueeze kullanın. Bu, yayınlamayı istediğiniz şekle yönlendirir.
col = torch.tensor([1, 2, 3]).unsqueeze(1)
print(col.shape) # torch.Size([3, 1])Yayınlama Neden Hızlıdır
Yayınlama, genişletilen değerleri hiçbir zaman kopyalamaz; onları yeniden kullanır. Bu nedenle vektörleştirilmiş matematik, Python döngülerinden çok daha hızlıdır. 🚀
Hızlı Denetim
İki şeklin yayınlanıp yayınlanamayacağını tahmin edebilir misiniz?
Özet: Yayınlama Kuralları
İki kuralı öğrendiniz: Boyutlar eşit olduklarında veya boyutlardan biri 1 olduğunda eşleşir. Bunda ustalaştığınızda döngüler, temiz ve hızlı tensor matematiğine dönüşür. 💪
Yapay zeka eğitmeniyle Python öğren — ücretsiz
Tarayıcında gerçek kod yaz ve çalıştır, 7/24 yapay zeka eğitmeninden anında yardım al; web'de ya da uygulamada kaldığın yerden devam et.
- Kurslar
- 30
- Dersler
- 120
Sıkça Sorulan Sorular
“Döngülerden Kurtaran Yayınlama Kuralları” dersi ücretsiz mi?
Evet — “Döngülerden Kurtaran Yayınlama Kuralları” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Deep Learning Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Deep Learning Academy kursu toplamda 4 dersten oluşur.
“Döngülerden Kurtaran Yayınlama Kuralları” dersinde ne öğreneceğim?
Farklı şekillere sahip tensörleri eleman bazında birleştirin. Deep Learning Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
Deep Learning Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te Deep Learning Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 3. dersidir.
“Döngülerden Kurtaran Yayınlama Kuralları” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu Deep Learning Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her Deep Learning Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- Şekiller, Veri Türleri ve İndeksleme
- Yeniden Şekillendirme, Görünüm, Sıkıştırma ve Genişletme
- Döngülerden Kurtaran Yayınlama Kuralları
- Tensörler NumPy ile Konuşur