Deep Learning Academy · Ders

İleri Geçiş, Kayıp, Geri Geçiş, Adım

Tek bir eğitim yinelemesinin dört hareketi.

İleri Geçiş, Kayıp, Geri Geçiş, Adım, 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.

Four Moves, One Beat

Every training iteration is just four moves repeated: forward, loss, backward, step. Learn this rhythm and the whole training loop stops feeling mysterious. 🥁

Move One: Forward

The forward pass sends your input through the model so it produces a prediction. You just call the model on a batch of data and read the output.

pred = model(x)

Logits, Not Answers Yet

The forward output is usually raw scores called logits, not clean labels. The loss function knows how to read these scores directly, so you leave them as is.

Move Two: Loss

Next you measure how wrong the prediction was. The loss compares your output to the true labels and boils the mistake down to one number.

loss = loss_fn(pred, y)

Lower Loss, Better Model

A big loss means a poor prediction and a small one means a good prediction. Training has a single mission: drive this number steadily downward.

Move Three: Backward

Now you ask which way to nudge each weight. The backward pass uses autograd to compute every gradient and fill each parameter's .grad for you.

loss.backward()

Gradients Are Directions

Each gradient tells you how the loss would change if you tweaked that one weight. They are the map the optimizer follows toward a better model.

Move Four: Step

Finally the optimizer applies those gradients, nudging every weight a little. This step is the moment the model actually learns from its mistake.

optimizer.step()

Clear the Grads

Gradients pile up by default, so before the next backward you call zero_grad. Skip it and old gradients corrupt your next update.

optimizer.zero_grad()

The Whole Move

Put the four moves together and you get one clean iteration. You will type this exact pattern in nearly every PyTorch project you build.

optimizer.zero_grad()
pred = model(x)
loss = loss_fn(pred, y)
loss.backward()
optimizer.step()

Then Do It Again

Run these moves on batch after batch and the loss falls a little each time. Thousands of tiny updates are what turn random weights into real skill.

Quick Check

Which call actually computes the gradients for every weight?

Recap

One iteration is four moves: forward for a prediction, loss to measure error, backward for gradients, and step to update weights. Repeat to learn. 🎉

Sıkça Sorulan Sorular

“İleri Geçiş, Kayıp, Geri Geçiş, Adım” dersi ücretsiz mi?

Evet — “İleri Geçiş, Kayıp, Geri Geçiş, Adım” 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.

“İleri Geçiş, Kayıp, Geri Geçiş, Adım” dersinde ne öğreneceğim?

Tek bir eğitim yinelemesinin dört hareketi. 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.

“İleri Geçiş, Kayıp, Geri Geçiş, Adım” 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

← Deep Learning Academy Sayfasına Dön