Evrişim: Çekirdekler Pikseller Üzerinde Kayar
Filtrelerin kenarları ve dokuları nasıl algıladığı.
Evrişim: Çekirdekler Pikseller Üzerinde Kayar, CoddyKit'te ücretsiz bir Deep Learning Academy dersidir. Bu, 4 dersinin 1. 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.
Bu dersin bazı bölümleri henüz çevrilmemiş olup İngilizce olarak gösterilmektedir.
An Image Is Just Numbers
To a network, a photo is a grid of pixel values. A small grayscale image might be 28x28 numbers, each from 0 (black) to 255 (white).
Why Not Just Flatten It?
Flattening an image into one long vector throws away the spatial layout. Pixels near each other matter, and a plain dense layer ignores that.
Meet the Kernel
A kernel is a tiny grid of weights, often 3x3. It slides across the image, looking at one small patch at a time.
The Sliding Window
At each position the kernel covers a patch, multiplies overlapping values, and sums them into one number. Then it slides over and repeats. 🔍
That Sum Is the Output Pixel
Each weighted sum becomes a single pixel in the result. Slide across the whole image and you build a fresh grid called a feature map.
Kernels Detect Patterns
A well-tuned kernel lights up where its pattern appears. One kernel might fire on vertical edges, another on bright corners or smooth textures.
An Edge Detector by Hand
This classic 3x3 kernel responds strongly to vertical edges, where light meets dark across a column.
edge_kernel = [
[-1, 0, 1],
[-1, 0, 1],
[-1, 0, 1],
]The Weights Are Learned
You do not hand-pick kernel numbers. Training adjusts them so each filter learns whatever pattern helps the network classify images.
Same Kernel, Everywhere
One kernel reuses the same weights across the whole image. This weight sharing means far fewer parameters than a dense layer would need.
A Conv Layer in PyTorch
nn.Conv2d wraps all of this. Here a Conv2d takes 1 input channel and learns 8 different 3x3 kernels.
import torch.nn as nn
conv = nn.Conv2d(1, 8, kernel_size=3)Many Kernels, Many Maps
That layer learns 8 kernels, so it outputs 8 feature maps. Each one highlights a different pattern the network found useful.
Quick Check
Let us check what a convolution kernel actually produces.
Recap: Kernels Slide
You learned that a kernel slides over pixels, summing weighted patches into a feature map. Its weights are learned, shared, and tuned to spot edges and textures. 🎉
Sıkça Sorulan Sorular
“Evrişim: Çekirdekler Pikseller Üzerinde Kayar” dersi ücretsiz mi?
Evet — “Evrişim: Çekirdekler Pikseller Üzerinde Kayar” 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.
“Evrişim: Çekirdekler Pikseller Üzerinde Kayar” dersinde ne öğreneceğim?
Filtrelerin kenarları ve dokuları nasıl algıladığı. 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 1. dersidir.
“Evrişim: Çekirdekler Pikseller Üzerinde Kayar” 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
- Evrişim: Çekirdekler Pikseller Üzerinde Kayar
- Adım, Dolgu ve Havuzlama
- Kanallar, Özellik Haritaları ve Alıcı Alanlar
- Bir CNN Görüntü Sınıflandırıcısı Oluşturma