.. _chap_computation:

Derin Öğrenme Hesaplamaları
===========================


Devasa veri kümeleri ve güçlü donanımın yanı sıra, harika yazılım
araçları, derin öğrenmenin hızlı ilerlemesinde yadsınamaz bir rol
oynamıştır. 2007'de yayınlanan çığır açan Theano kütüphanesinden
başlayarak, esnek açık kaynaklı araçlar, araştırmacıların modelleri
hızlı bir şekilde prototip haline getirmelerine, standart bileşenleri
geri dönüştürürken tekrarlanan çalışmalardan kaçınmalarına ve aynı
zamanda alt seviyede değişiklikler yapma yeteneğini sürdürmelerine
olanak tanıdı. Zamanla, derin öğrenme kütüphaneleri giderek daha kaba
soyutlamalar sunmak için evrimleşti. Yarı iletken tasarımcıların
transistörlerin belirlenmesinden mantıksal devrelere kod yazmaya geçmesi
gibi, sinir ağları araştırmacıları da tek tek yapay nöronların
davranışları hakkında düşünmekten ağları tüm katmanlar açısından
kavramaya geçtiler ve şimdi genellikle zihindeki çok daha kaba
*bloklara* sahip mimariler tasarladılar.

Şimdiye kadar, bazı temel makine öğrenmesi kavramlarını tanıtmaktan
tamamen işlevsel derin öğrenme modellerine yükseliyoruz. Son bölümde,
bir MLP'nin her bileşenini sıfırdan uyguladık ve hatta aynı modelleri
zahmetsizce kullanıma sunmak için yüksek düzey API'lerden nasıl
yararlanılacağını gösterdik. Sizi bu kadar mesafeye bu kadar hızlı
ulaştırmak için, kütüphaneleri *çağırdık*, ancak *nasıl çalıştıkları*
ile ilgili daha gelişmiş ayrıntıları atladık. Bu bölümde, derin öğrenme
hesaplamasının temel bileşenlerine daha derinlemesine, yani model
oluşturma, parametre erişimi ve ilkleme, ısmarlama (özel kesim)
katmanlar ve bloklar tasarlama, modelleri diskten okuma, diske yazma ve
çarpıcı bir hızlandırma elde etmek için GPU'lardan yararlanmaya
bakacağız. Bu içgörüler, sizi *son kullanıcıdan* *güçlü kullanıcıya*
taşıyarak, olgun bir derin öğrenme kütüphanesinin faydalarından
yararlanmak için gereken araçları sağlarken, kendi icat ettikleriniz de
dahil olmak üzere daha karmaşık modelleri uygulama esnekliğini korur! Bu
bölüm herhangi bir yeni model veya veri kümesi tanıtmasa da, takip eden
gelişmiş modelleme bölümleri büyük ölçüde bu tekniklere dayanmaktadır.

.. toctree::
    :maxdepth: 2

    model-construction
    parameters
    deferred-init
    custom-layer
    read-write
    use-gpu