İlk torch.tensor'ınız
Bir tensör oluşturup şeklini ve veri türünü yazdırın.
İlk torch.tensor'ınız, CoddyKit'te ücretsiz bir Deep Learning Academy dersidir. Bu, 4 dersinin 4. 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 ile Tanışın
Bir tensor, PyTorch'un temel veri kapsayıcısıdır; NumPy dizisine çok benzeyen, ancak GPU üzerinde çalışmaya hazır bir sayı ızgarasıdır. 🧮
Bir Listeden Oluşturma
Bir tensor oluşturmanın en basit yolu, bir Python listesinden torch.tensor kullanmaktır. PyTorch sayılarınızı hızlı bir sayısal ızgaraya kopyalar.
x = torch.tensor([1, 2, 3])Yazdırma
Bir tensor'ı yazdırmak, değerlerini tensor(...) içine sarılmış biçimde gösterir; böylece düz bir listeye değil, PyTorch verisine baktığınızı her zaman bilirsiniz.
print(x)Şekil Yapıyı Açıklar
shape, her boyuttaki büyüklüğü belirtir. Üç değerden oluşan düz bir listenin şekli üçtür.
print(x.shape)2B Tensor Oluşturma
Bir ızgara oluşturmak için listeleri iç içe yerleştirin. Bu matrix iki satır ve üç sütundan oluşur; dolayısıyla şekli ikiye üçtür.
m = torch.tensor([[1, 2, 3], [4, 5, 6]])Dtype Sayı Türüdür
Her tensor'ın, depoladığı sayı türünü belirten bir dtype'ı vardır. Tam sayılar varsayılan olarak int64, ondalık sayılar ise float32 olur.
print(x.dtype)Eğitim için Ondalıklı Sayılar
Ağlar ondalık sayılarla öğrendiği için model verilerinin çoğu float32 türündedir. Bir ondalık nokta eklediğinizde PyTorch kayan nokta türünü sizin için seçer.
y = torch.tensor([1.0, 2.0, 3.0])Dtype'ı Kendiniz Ayarlayın
dtype bağımsız değişkeniyle doğrudan bir tür isteyebilirsiniz; bu, tamsayı girdiden kayan noktalı sayılar gerektiğinde kullanışlıdır.
z = torch.tensor([1, 2], dtype=torch.float32)Sıfırlarla Dolu Tensor'lar
Belirli bir büyüklükte boş bir tensor'a mı ihtiyacınız var? torch.zeros, istediğiniz şekli sıfırlarla doldurur ve başlangıç arabelleği olarak mükemmeldir.
torch.zeros(2, 3)Rastgele Tensor'lar
Model ağırlıkları çoğu zaman rastgele başlatılır. torch.rand, seçtiğiniz şekilde ve sıfır ile bir arasındaki değerlerle doldurulmuş bir tensor verir.
torch.rand(2, 3)Boyutları Sayma
Boyutların sayısı tensor'ın rank'idir. Bunu .ndim ile okuyun: vektörün rank'ı bir, matrisin rank'ı ikidir.
print(m.ndim)Hızlı Denetim
İç içe listelerden oluşan bir tensor'ın şeklini düşünün.
Özet
Listelerden tensor'lar oluşturdunuz, bunların shape ve dtype değerlerini okudunuz, ayrıca sıfır ve rastgele ızgaralar oluşturdunuz. Derin öğrenmenin üzerinde çalıştığı veri budur. ✅
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
“İlk torch.tensor'ınız” dersi ücretsiz mi?
Evet — “İlk torch.tensor'ınız” 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.
“İlk torch.tensor'ınız” dersinde ne öğreneceğim?
Bir tensör oluşturup şeklini ve veri türünü yazdırın. 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 4. dersidir.
“İlk torch.tensor'ınız” 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
- PyTorch Kurun ve İçeri Aktarmayı Doğrulayın
- CPU ve GPU ve MPS: Bir Aygıt Seçin
- Not Defterleri, Betikler ve Tekrarlanabilir Tohumlar
- İlk torch.tensor'ınız