Gizli katmanlar ve parametreler

PyTorch ile Deep Learning'e Giriş

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

nn.Sequential() ile katmanları yığma

# Üç doğrusal katmanlı ağ oluşturma
model = nn.Sequential(

    nn.Linear(n_features, 8),

    nn.Linear(8, 4),
    nn.Linear(4, n_classes)

)

Girdi doğrusal katmanlardan geçer
nn.Sequential() içindeki katmanlar gizli katmanlardır

nn.Sequential() ile katmanları yığma

# Üç doğrusal katmanlı ağ oluşturma
model = nn.Sequential(
    nn.Linear(n_features, 8), # n_features: girdi özellik sayısı
    nn.Linear(8, 4),
    nn.Linear(4, n_classes) # n_classes: çıktı sınıf sayısı  
)

Girdi doğrusal katmanlardan geçer
nn.Sequential() içindeki katmanlar gizli katmanlardır
n_features ve n_classes veri kümesi tarafından belirlenir

Katman ekleme

İki gizli katmanlı bir sinir ağı görselleştirmesi

Katman ekleme

Dört gizli katmanlı bir sinir ağı görselleştirmesi

Katman ekleme

Dört gizli katmanlı bir sinir ağı görselleştirmesi

Katman ekleme

Dört gizli katmanlı bir sinir ağı görselleştirmesi

Katman ekleme

# Üç doğrusal katmanlı ağ oluşturma
model = nn.Sequential(
    nn.Linear(10, 18),
    nn.Linear(18, 20),
    nn.Linear(20, 5)
)

Katman ekleme

# Üç doğrusal katmanlı ağ oluşturma
model = nn.Sequential(
    nn.Linear(10, 18), # 10 özelliği alır, 18 üretir
    nn.Linear(18, 20),
    nn.Linear(20, 5)
)

Girdi 10 ➡ çıktı 18 ➡ çıktı 20 ➡ Çıktı 5

Katman ekleme

# Üç doğrusal katmanlı ağ oluşturma
model = nn.Sequential(
    nn.Linear(10, 18),
    nn.Linear(18, 20), # 18 alır, 20 üretir
    nn.Linear(20, 5)
)

Girdi 10 ➡ çıktı 18 ➡ çıktı 20 ➡ Çıktı 5

Katman ekleme

# Üç doğrusal katmanlı ağ oluşturma
model = nn.Sequential(
    nn.Linear(10, 18),
    nn.Linear(18, 20),
    nn.Linear(20, 5) # 20 alır, 5 üretir
)

Girdi 10 ➡ çıktı 18 ➡ çıktı 20 ➡ Çıktı 5

Katmanlar nöronlardan oluşur

Her nöron önceki katmandaki tüm nöronlara bağlıysa tam bağlantılıdır

Girdi ve çıktı katmanları oklarla bağlanmış bir görsel

Katmanlar nöronlardan oluşur

Her nöron önceki katmandaki tüm nöronlara bağlıysa tam bağlantılıdır

Doğrusal katmandaki bir nöron:

Oklarla bağlanmış girdi/çıkış katmanları ve bir çıktı nöronu daire içine alınmış

Katmanlar nöronlardan oluşur

Her nöron önceki katmandaki tüm nöronlara bağlıysa tam bağlantılıdır

Doğrusal katmandaki bir nöron:
- Önceki katmandaki tüm nöronları kullanarak doğrusal işlem yapar

Oklarla bağlanmış katmanlar, bir çıktı nöronu ve vurgulu oklar

Katmanlar nöronlardan oluşur

Her nöron önceki katmandaki tüm nöronlara bağlıysa tam bağlantılıdır

Doğrusal katmandaki bir nöron:
- Önceki katmandaki tüm nöronları kullanarak doğrusal işlem yapar
- N+1 parametreye sahiptir: girdilerden N ve bias için 1

N+1