Şekiller, Veri Türleri ve İndeksleme
Bir tensörün şeklini okuyup dilimleyin.
Şekiller, Veri Türleri ve İndeksleme, 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.
Tensor'lar Bir Izgaradaki Sayılardan İbarettir
Bir tensor, satırlar, sütunlar veya daha derin yapılar hâlinde düzenlenmiş sayılar kutusudur. Derin öğrenmedeki her şey bunların içinden geçer.
Şekil Yerleşimi Açıklar
shape, her boyutta kaç değer bulunduğunu belirtir. Bunu bir kutunun boyutları gibi okuyun: satırlar çarpı sütunlar. 📦
.shape ile Şekli Denetleme
Herhangi bir tensor'dan .shape değerini isteyin; PyTorch size her boyutun büyüklüğünü sırasıyla verir.
import torch
x = torch.tensor([[1, 2, 3], [4, 5, 6]])
print(x.shape) # torch.Size([2, 3]).ndim ile Boyutları Sayma
Boyutların sayısı tensor'ın rank'idir. Skaler 0, vektör 1, matris 2 boyutludur; görüntülerde bu sayı daha yüksektir.
x = torch.tensor([[1, 2], [3, 4]])
print(x.ndim) # 2Her Tensor'ın Bir Dtype'ı Vardır
dtype, float32 veya int64 gibi depolanan sayı türüdür. Hassasiyeti ve hangi matematik işlemlerine izin verildiğini belirler.
x = torch.tensor([1.0, 2.0, 3.0])
print(x.dtype) # torch.float32Öğrenme için Varsayılan float32'dir
Çoğu ağ float32 ile eğitilir; çünkü gradyanlar ondalık değerler gerektirir. Tamsayılar, çok küçük kesirli güncellemeleri tutamaz.
Dtype'lar Arasında Dönüştürme
Bir tensor'ın türünü .to() veya .float() ile değiştirin. Böylece modelin beklediği hassasiyetle eşleştirme yaparsınız.
x = torch.tensor([1, 2, 3])
y = x.to(torch.float32)
print(y.dtype) # torch.float32İndeksleme Tek Bir Değeri Alır
İndeksleme, konumuna göre tek bir öğeyi almak için köşeli parantezleri kullanır ve saymaya sıfırdan başlar.
x = torch.tensor([10, 20, 30])
print(x[0]) # tensor(10)Matris için İki İndeks
2B bir tensor için önce satırı, ardından sütunu verin. Sıra her zaman daha önce gördüğünüz shape değerini izler.
x = torch.tensor([[1, 2, 3], [4, 5, 6]])
print(x[1, 2]) # tensor(6)Dilimleme Bir Aralık Alır
Tam bir dilimi almak için iki nokta kullanın. start:stop ifadesi, stop konumunu dâhil etmeden önceki her şeyi tutar.
x = torch.tensor([10, 20, 30, 40])
print(x[1:3]) # tensor([20, 30])Satırları ve Sütunları Birlikte Dilimleme
Tek başına kullanılan iki nokta, o boyutun tamamını almak anlamına gelir. Böylece her satırdaki bir sütunu seçebilirsiniz.
x = torch.tensor([[1, 2], [3, 4]])
print(x[:, 0]) # tensor([1, 3])Hızlı Denetim
Şeklin ve indekslemenin gerçekte ne anlama geldiğini sınamanın zamanı geldi.
Özet: Şekiller, Dtype'lar ve İndeksleme
Artık bir tensor'ın shape değerini okuyabilir, dtype'ını denetleyebilir ve tensor'ı dilimleyebilirsiniz. Bu üç beceri, ilerideki tüm tensor işlemlerinin temelini oluşturur. 🎉
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
“Şekiller, Veri Türleri ve İndeksleme” dersi ücretsiz mi?
Evet — “Şekiller, Veri Türleri ve İndeksleme” 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.
“Şekiller, Veri Türleri ve İndeksleme” dersinde ne öğreneceğim?
Bir tensörün şeklini okuyup dilimleyin. 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.
“Şekiller, Veri Türleri ve İndeksleme” 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