Doğrusal Katmanları Üst Üste Koyma
Girdiden gizli katman üzerinden çıktıya.
Doğrusal Katmanları Üst Üste Koyma, CoddyKit'te ücretsiz bir Deep Learning Academy dersidir. Bu, 4 dersinin 2. 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.
Bir Katman, Bir Dönüşüm
Tek bir nn.Linear katmanı, girdileri ağırlıklı toplam ve bias kullanarak çıktılara dönüştürür. Verileri bir boyuttan başka bir boyuta taşır.
layer = nn.Linear(in_features=4, out_features=8)Girdiden Gizli Katmana
İlk katmanınız ham girdi özelliklerini alır ve bunları genellikle daha geniş veya daha dar bir gizli uzaya yansıtır.
self.fc1 = nn.Linear(4, 16) # 4 inputs -> 16 hiddenGizli Katmandan Çıktıya
Daha sonraki bir katman, gizli özellikleri son çıktı boyutunuza indirger; örneğin tahmin etmek istediğiniz sınıf sayısına.
self.fc2 = nn.Linear(16, 3) # 16 hidden -> 3 classesBoyutları Zincirlemek
Her katmanın out_features değeri, sonraki katmanın in_features değerine eşit olmalıdır. Bu eşleşen boyutlar düzenli bir veri akışı oluşturur.
Araya Doğrusal Olmayanlık Ekleyin
Yalın doğrusal katmanları üst üste koymak yine doğrusal bir yapı oluşturur. Bu nedenle gerçek derinliği mümkün kılmak için aralarına ReLU gibi bir etkinleştirme işlevi yerleştirin.
x = F.relu(self.fc1(x))
x = self.fc2(x)Genişlik ve Derinlik
Katman başına daha fazla nöron daha fazla genişlik, daha fazla katman ise daha fazla derinlik anlamına gelir. İkisi kapasiteyi farklı şekillerde artırır.
Gizli Boyut Seçimi
Gizli boyutu seçmek bir tasarım kararıdır. Daha büyük boyut daha fazla örüntü öğrenir; ancak daha çok bellek kullanır ve aşırı öğrenme riskini artırır.
Veriler Yukarıdan Aşağıya Akar
forward işleminde girdi önce birinci katmandan, ardından etkinleştirmeden ve son olarak ikinci katmandan geçer. Her adım tensörü sırayla dönüştürür.
def forward(self, x):
x = F.relu(self.fc1(x))
return self.fc2(x)İki Katmanlı MLP
Girdi, gizli katman ve doğrusal olmayanlık içeren çıktı, klasik çok katmanlı algılayıcıdır. İleri beslemeli ağların temel yapıtaşıdır.
Katmanlarla Birlikte Parametreler Artar
Her doğrusal katman kendi ağırlıklarını ve yanlılığını ekler. Daha fazla katmanı üst üste eklemek modelin parametre sayısını sürekli artırır.
Küçük Başlayın, Sonra Büyütün
Bir gizli katmanla başlayın ve yalnızca gerekirse genişletin. Sade bir katman dizisi hızlı eğitilir ve hata ayıklaması kolaydır. 🌱
Hızlı Kontrol
Üst üste iki doğrusal katman eklemeyi anlamlı kılmak için aralarında ne bulunması gerektiğini hatırlayın.
Özet
nn.Linear katmanlarını, her çıktı boyutu bir sonraki girdi boyutuna aktarılacak şekilde ve aralarında bir etkinleştirme olacak biçimde üst üste ekleyin. Böylece gerçek bir MLP oluşturursunuz. 🎯
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
“Doğrusal Katmanları Üst Üste Koyma” dersi ücretsiz mi?
Evet — “Doğrusal Katmanları Üst Üste Koyma” 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.
“Doğrusal Katmanları Üst Üste Koyma” dersinde ne öğreneceğim?
Girdiden gizli katman üzerinden çıktıya. 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 2. dersidir.
“Doğrusal Katmanları Üst Üste Koyma” 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
- nn.Module Alt Sınıfı: __init__ ve forward
- Doğrusal Katmanları Üst Üste Koyma
- Hızlı Modeller için nn.Sequential
- Parametreleri ve Katman Şekillerini İnceleme