Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, bir konuşmacının PyTorch ve deep learning konularında sunduğu eğitim içeriğidir.
- Video, iki ana bölümden oluşmaktadır. İlk bölümde PyTorch'ta ağ katmanlarının nasıl katman katman yazılacağı, lineer regresyon örneği üzerinden lineer fonksiyonların oluşturulması ve parametrelerinin ayarlanması gösterilmektedir. İkinci bölümde ise PyTorch'un deep learning'deki önemi, Facebook tarafından desteklenmesi ve diğer kütüphanelerle (TensorFlow, MXNet) karşılaştırması yapılmaktadır.
- Konuşmacı, PyTorch'un daha esnek bir yapı sunduğu ve daha kolay yazım sağladığı için tercih edildiğini belirtmekte, kompleks ağları anlamak ve oluşturabilmek amacıyla PyTorch'a başlama kararı aldığını ifade etmektedir. Video, PyTorch kursuna dahil olanlar için temel bir eğitim niteliğindedir.
- PyTorch'da Ağların Katman Katman Yazılması
- Bu videoda PyTorch'da ağları katman katman yazma mantığı gösterilecek, Keras'ta olduğu gibi.
- PyTorch'da bu işlem daha karmaşık ve kullanıcıya daha fazla kontrol sağlıyor.
- Kaynak olarak kullanılan kitabın GitHub adresi YouTube açıklamasında paylaşılacak.
- 01:19PyTorch'da Ağ Oluşturma
- PyTorch'da ağlar katman katman üst üste oturtulur, Keras'ta olduğu gibi.
- PyTorch'da ağ oluşturma işlemi daha karmaşık olmasına rağmen, Keras'ta olduğu gibi ardışık çarpımlar ve fonksiyonlar kullanılır.
- Lineer regresyon örneğinde daha önce basit ve zor seviyede çalışılmış, şimdi daha kolay bir şekilde gösterilecek.
- 03:08Lineer Regresyon Oluşturma
- PyTorch import edilerek neural network kütüphanesinden lineer fonksiyon import edilir.
- Lineer fonksiyonun parametreleri olarak "in features" (girdi özellikleri) ve "out features" (çıktı özellikleri) belirtilir.
- Lineer fonksiyonun ağırlığı (w) ve sabit terimi (b) PyTorch tarafından belirlenir ve her çalıştırıldığında farklı değerler alabilir.
- 06:44Lineer Regresyonun Matematiksel Temeli
- Lineer regresyon, girdideki değeri ağırlık değeri ile çarpıp, ardından sabit terim ile toplar.
- Python ile el ile hesaplanan lineer regresyon sonucu, PyTorch'da oluşturulan lineer regresyon ile aynı sonucu verir.
- Lineer regresyon, mx+b formülüne karşılık gelir ve bu formül PyTorch'da da benzer şekilde çalışır.
- 09:33Katman Katman Ağ Oluşturma
- Birden fazla lineer fonksiyon kullanılarak katman katman ağ oluşturulabilir.
- İlk lineer fonksiyon girdiyi alıp beş elemanlı bir çıktı verir, ikinci lineer fonksiyon bu beş elemanlı çıktıyı alıp üç elemanlı bir çıktı verir.
- Lineer fonksiyonların matris boyutları, "in features" ve "out features" değerlerine göre belirlenir ve bu değerler değiştirilebilir.
- 13:22Derin Öğrenme ve Ağ Mantığı
- Convolutional network'ler derin öğrenme alanında kullanılan temel bir mantıktır ve bu mantık sürekli kullanılacaktır.
- Python'un temel amacı kompleks ağ yapıları yazabilmektir.
- Konuşmacı, kendi projelerine generative water serial network'leri uygulamak için Python'u öğrenmiştir.
- 14:08Derin Öğrenme Kütüphaneleri
- Derin öğrenme kütüphaneleri, kompleks ağ yapılarını yazmayı ve düzenlemeyi sağlar.
- MXNet gibi diğer kütüphaneler de mevcuttur, ancak PyTorch ve TensorFlow son zamanlarda öne çıkmaktadır.
- PyTorch'un arkasında Facebook, TensorFlow'un arkasında Google bulunmaktadır.
- 14:56PyTorch ve TensorFlow Karşılaştırması
- Her iki kütüphane de iyi performans göstermektedir, ancak PyTorch daha esnek bir yapı sunmaktadır.
- PyTorch'un daha kolay yazım imkanı sağladığı için konuşmacı bu kütüphaneye başlamıştır.
- Amac, kompleks ağları anlayabilmek ve oluşturabilmektir.