17.
Çekişmeli Üretici Ağlar
search
Quick search
code
Show Source
MXNet
PyTorch
Notebooks
Dersler
GitHub
İngilizce
Table Of Contents
Önsöz
Kurulum
Notasyon
1. Giriş
2. Ön Hazırlık
2.1. Veri ile Oynama Yapmak
2.2. Veri Ön İşleme
2.3. Doğrusal Cebir
2.4. Hesaplama (Kalkülüs)
2.5. Otomatik Türev Alma
2.6. Olasılık
2.7. Belgeler (Dökümantasyon)
3. Doğrusal Sinir Ağları
3.1. Doğrusal Bağlanım (Regresyon)
3.2. Sıfırdan Doğrusal Regresyon Uygulaması Yaratma
3.3. Doğrusal Regresyonunun Kısa Uygulaması
3.4. Eşiksiz En Büyük İşlev Bağlanımı (Softmaks Regresyon)
3.5. İmge Sınıflandırma Veri Kümesi
3.6. Sıfırdan Softmaks Regresyon Uygulaması Yaratma
3.7. Softmaks Regresyonunun Kısa Uygulaması
4. Çok Katmanlı Algılayıcılar
4.1. Çok Katmanlı Algılayıcılar
4.2. Çok Katmanlı Algılayıcıların Sıfırdan Uygulanması
4.3. Çok Katmanlı Algılayıcıların Kısa Uygulaması
4.4. Model Seçimi, Eksik Öğrenme ve Aşırı Öğrenme
4.5. Ağırlık Sönümü
4.6. Hattan Düş(ür)me
4.7. İleri Yayma, Geri Yayma ve Hesaplamalı Çizge
4.8. Sayısal Kararlılık ve İlkleme
4.9. Ortam ve Dağılım Kayması
4.10. Kaggle’da Ev Fiyatlarını Tahmin Etme
5. Derin Öğrenme Hesaplamaları
5.1. Katmanlar ve Bloklar
5.2. Parametre Yönetimi
5.3. Ertelenmiş İlkleme
5.4. Özelleştirilmiş Katmanlar
5.5. Dosya Okuma/Yazma
5.6. GPU (Grafik İşleme Birimi)
6. Evrişimli Sinir Ağları
6.1. Tam Bağlı Katmanlardan Evrişimlere
6.2. İmgeler için Evrişimler
6.3. Dolgu ve Uzun Adımlar
6.4. Çoklu Girdi ve Çoklu Çıktı Kanalları
6.5. Ortaklama
6.6. Evrişimli Sinir Ağları (LeNet)
7. Modern Evrişimli Sinir Ağları
7.1. Derin Evrişimli Sinir Ağları (AlexNet)
7.2. Blokları Kullanan Ağlar (VGG)
7.3. Ağ İçinde Ağ (Network in Network - NiN)
7.4. Paralel Bitiştirmeli Ağlar (GoogLeNet)
7.5. Toplu Normalleştirme
7.6. Artık Ağlar (ResNet)
7.7. Yoğun Bağlı Ağlar (DenseNet)
8. Yinelemeli Sinir Ağları
8.1. Dizi Modelleri
8.2. Metin Ön İşleme
8.3. Dil Modelleri ve Veri Kümesi
8.4. Yinelemeli Sinir Ağları
8.5. Yinelemeli Sinir Ağlarının Sıfırdan Uygulanması
8.6. Yinelemeli Sinir Ağlarının Kısa Uygulaması
8.7. Zamanda Geri Yayma
9. Modern Yinelemeli Sinir Ağları
9.1. Geçitli Yinelemeli Birimler (GRU)
9.2. Uzun Ömürlü Kısa-Dönem Belleği (LSTM)
9.3. Derin Yinelemeli Sinir Ağları
9.4. Çift Yönlü Yinelemeli Sinir Ağları
9.5. Makine Çevirisi ve Veri Kümesi
9.6. Kodlayıcı-Kodçözücü Mimarisi
9.7. Diziden Diziye Öğrenme
9.8. Işın Arama
10. Dikkat Mekanizmaları
10.1. Dikkat İşaretleri
10.2. Dikkat Ortaklama: Nadaraya-Watson Çekirdek Bağlanımı
10.3. Dikkat Puanlama Fonksiyonları
10.4. Bahdanau Dikkati
10.5. Çoklu-Kafalı Dikkat
10.6. Özdikkat ve Konumsal Kodlama
10.7. Dönüştürücü
11. Eniyileme Algoritmaları
11.1. Eniyileme ve Derin Öğrenme
11.2. Dışbükeylik
11.3. Gradyan İnişi
11.4. Rasgele Gradyan İnişi
11.5. Minigrup Rasgele Gradyan İnişi
11.6. Momentum
11.7. Adagrad
11.8. RMSProp
11.9. Adadelta
11.10. Adam
11.11. Öğrenme Oranını Zamanlama
12. Hesaplamalı Performans
12.1. Derleyiciler ve Yorumlayıcılar
12.2. Eşzamansız Hesaplama
12.3. Otomatik Paralellik
12.4. Donanım
12.5. Birden Fazla GPU Eğitmek
12.6. Çoklu GPU için Özlü Uygulama
12.7. Parametre Sunucuları
13. Bilgisayarla Görme
13.1. İmge Artırması
13.2. İnce Ayar
13.3. Nesne Algılama ve Kuşatan Kutular
13.4. Çapa Kutuları
13.5. Çoklu Ölçekli Nesne Algılama
13.6. Nesne Algılama Veri Kümesi
13.7. Tek Atışta Çoklu Kutu Algılama
13.8. Bölge tabanlı CNN’ler (R-CNN’ler)
13.9. Anlamsal Bölümleme ve Veri Kümesi
13.10. Devrik Evrişim
13.11. Tam Evrişimli Ağlar
13.12. Sinir Stil Transferi
13.13. Kaggle’da İmge Sınıflandırması (CIFAR-10)
13.14. Kaggle Üzerinde Köpek Cinsi Tanımlama (ImageNet Köpekler)
14. Doğal Dil İşleme: Ön Eğitim
14.1. Sözcük Gömme (word2vec)
14.2. Yaklaşık Eğitim
14.3. Sözcük Gömme Ön Eğitimi İçin Veri Kümesi
14.4. word2vec Ön Eğitimi
14.5. Küresel Vektörler ile Sözcük Gömme (GloVe)
14.6. Alt Sözcük Gömme
14.7. Sözcük Benzerliği ve Benzeşim
14.8. Dönüştürücülerden Çift Yönlü Kodlayıcı Temsiller (BERT)
14.9. BERT Ön Eğitimi için Veri Kümesi
14.10. BERT Ön Eğitimi
15. Doğal Dil İşleme: Uygulamalar
15.1. Duygu Analizi ve Veri Kümesi
15.2. Duygu Analizi: Yinemeli Sinir Ağlarının Kullanımı
15.3. Duygu Analizi: Evrişimli Sinir Ağlarının Kullanımı
15.4. Doğal Dil Çıkarımı ve Veri Kümesi
15.5. Doğal Dil Çıkarımı: Dikkati Kullanma
15.6. Dizi Düzeyinde ve Belirteç Düzeyinde Uygulamalar için BERT İnce Ayarı
15.7. Doğal Dil Çıkarımı: BERT İnce Ayarı
16. Tavsiye Sistemleri
16.1. Tavsiye Sistemlerine Genel Bakış
16.2. MovieLens Veri Kümesi
16.3. Matrisi Çarpanlarına Ayırma
16.4. AutoRec: Otomatik Kodlayıcılar ile Değerlendirme Tahmini
16.5. Tavsiye Sistemleri için Kişiselleştirilmiş Sıralama
16.6. Kişiselleştirilmiş Sıralama için Sinirsel İşbirlikçi Filtreleme
16.7. Sıraya Duyarlı Tavsiye Sistemleri
16.8. Zengin Öznitelikli Tavsiye Sistemleri
16.9. Çarpanlara Ayırma Makineleri
16.10. Derin Çarpanlara Ayırma Makineleri
17. Çekişmeli Üretici Ağlar
17.1. Çekişmeli Üretici Ağlar
17.2. Derin Evrişimli Çekişmeli Üretici Ağlar
18. Ek: Derin Öğrenme için Matematik
18.1. Geometri ve Doğrusal Cebirsel İşlemler
18.2. Özayrışmalar
18.3. Tek Değişkenli Hesap
18.4. Çok Değişkenli Hesap
18.5. Tümlev (Integral) Kalkülüsü
18.6. Rastgele Değişkenler
18.7. Maksimum (Azami) Olabilirlik
18.8. Dağılımlar
18.9. Naif (Saf) Bayes
18.10. İstatistik
18.11. Bilgi Teorisi
19. Ek: Derin Öğrenme Araçları
19.1. Jupyter Kullanımı
19.2. Amazon SageMaker’ı Kullanma
19.3. AWS EC2 Örneklerini Kullanma
19.4. Google Colab Kullanma
19.5. Sunucuları ve GPU’ları Seçme
19.6. Bu Kitaba Katkıda Bulunmak
19.7.
d2l
API Belgesi
Kaynakça
Table Of Contents
Önsöz
Kurulum
Notasyon
1. Giriş
2. Ön Hazırlık
2.1. Veri ile Oynama Yapmak
2.2. Veri Ön İşleme
2.3. Doğrusal Cebir
2.4. Hesaplama (Kalkülüs)
2.5. Otomatik Türev Alma
2.6. Olasılık
2.7. Belgeler (Dökümantasyon)
3. Doğrusal Sinir Ağları
3.1. Doğrusal Bağlanım (Regresyon)
3.2. Sıfırdan Doğrusal Regresyon Uygulaması Yaratma
3.3. Doğrusal Regresyonunun Kısa Uygulaması
3.4. Eşiksiz En Büyük İşlev Bağlanımı (Softmaks Regresyon)
3.5. İmge Sınıflandırma Veri Kümesi
3.6. Sıfırdan Softmaks Regresyon Uygulaması Yaratma
3.7. Softmaks Regresyonunun Kısa Uygulaması
4. Çok Katmanlı Algılayıcılar
4.1. Çok Katmanlı Algılayıcılar
4.2. Çok Katmanlı Algılayıcıların Sıfırdan Uygulanması
4.3. Çok Katmanlı Algılayıcıların Kısa Uygulaması
4.4. Model Seçimi, Eksik Öğrenme ve Aşırı Öğrenme
4.5. Ağırlık Sönümü
4.6. Hattan Düş(ür)me
4.7. İleri Yayma, Geri Yayma ve Hesaplamalı Çizge
4.8. Sayısal Kararlılık ve İlkleme
4.9. Ortam ve Dağılım Kayması
4.10. Kaggle’da Ev Fiyatlarını Tahmin Etme
5. Derin Öğrenme Hesaplamaları
5.1. Katmanlar ve Bloklar
5.2. Parametre Yönetimi
5.3. Ertelenmiş İlkleme
5.4. Özelleştirilmiş Katmanlar
5.5. Dosya Okuma/Yazma
5.6. GPU (Grafik İşleme Birimi)
6. Evrişimli Sinir Ağları
6.1. Tam Bağlı Katmanlardan Evrişimlere
6.2. İmgeler için Evrişimler
6.3. Dolgu ve Uzun Adımlar
6.4. Çoklu Girdi ve Çoklu Çıktı Kanalları
6.5. Ortaklama
6.6. Evrişimli Sinir Ağları (LeNet)
7. Modern Evrişimli Sinir Ağları
7.1. Derin Evrişimli Sinir Ağları (AlexNet)
7.2. Blokları Kullanan Ağlar (VGG)
7.3. Ağ İçinde Ağ (Network in Network - NiN)
7.4. Paralel Bitiştirmeli Ağlar (GoogLeNet)
7.5. Toplu Normalleştirme
7.6. Artık Ağlar (ResNet)
7.7. Yoğun Bağlı Ağlar (DenseNet)
8. Yinelemeli Sinir Ağları
8.1. Dizi Modelleri
8.2. Metin Ön İşleme
8.3. Dil Modelleri ve Veri Kümesi
8.4. Yinelemeli Sinir Ağları
8.5. Yinelemeli Sinir Ağlarının Sıfırdan Uygulanması
8.6. Yinelemeli Sinir Ağlarının Kısa Uygulaması
8.7. Zamanda Geri Yayma
9. Modern Yinelemeli Sinir Ağları
9.1. Geçitli Yinelemeli Birimler (GRU)
9.2. Uzun Ömürlü Kısa-Dönem Belleği (LSTM)
9.3. Derin Yinelemeli Sinir Ağları
9.4. Çift Yönlü Yinelemeli Sinir Ağları
9.5. Makine Çevirisi ve Veri Kümesi
9.6. Kodlayıcı-Kodçözücü Mimarisi
9.7. Diziden Diziye Öğrenme
9.8. Işın Arama
10. Dikkat Mekanizmaları
10.1. Dikkat İşaretleri
10.2. Dikkat Ortaklama: Nadaraya-Watson Çekirdek Bağlanımı
10.3. Dikkat Puanlama Fonksiyonları
10.4. Bahdanau Dikkati
10.5. Çoklu-Kafalı Dikkat
10.6. Özdikkat ve Konumsal Kodlama
10.7. Dönüştürücü
11. Eniyileme Algoritmaları
11.1. Eniyileme ve Derin Öğrenme
11.2. Dışbükeylik
11.3. Gradyan İnişi
11.4. Rasgele Gradyan İnişi
11.5. Minigrup Rasgele Gradyan İnişi
11.6. Momentum
11.7. Adagrad
11.8. RMSProp
11.9. Adadelta
11.10. Adam
11.11. Öğrenme Oranını Zamanlama
12. Hesaplamalı Performans
12.1. Derleyiciler ve Yorumlayıcılar
12.2. Eşzamansız Hesaplama
12.3. Otomatik Paralellik
12.4. Donanım
12.5. Birden Fazla GPU Eğitmek
12.6. Çoklu GPU için Özlü Uygulama
12.7. Parametre Sunucuları
13. Bilgisayarla Görme
13.1. İmge Artırması
13.2. İnce Ayar
13.3. Nesne Algılama ve Kuşatan Kutular
13.4. Çapa Kutuları
13.5. Çoklu Ölçekli Nesne Algılama
13.6. Nesne Algılama Veri Kümesi
13.7. Tek Atışta Çoklu Kutu Algılama
13.8. Bölge tabanlı CNN’ler (R-CNN’ler)
13.9. Anlamsal Bölümleme ve Veri Kümesi
13.10. Devrik Evrişim
13.11. Tam Evrişimli Ağlar
13.12. Sinir Stil Transferi
13.13. Kaggle’da İmge Sınıflandırması (CIFAR-10)
13.14. Kaggle Üzerinde Köpek Cinsi Tanımlama (ImageNet Köpekler)
14. Doğal Dil İşleme: Ön Eğitim
14.1. Sözcük Gömme (word2vec)
14.2. Yaklaşık Eğitim
14.3. Sözcük Gömme Ön Eğitimi İçin Veri Kümesi
14.4. word2vec Ön Eğitimi
14.5. Küresel Vektörler ile Sözcük Gömme (GloVe)
14.6. Alt Sözcük Gömme
14.7. Sözcük Benzerliği ve Benzeşim
14.8. Dönüştürücülerden Çift Yönlü Kodlayıcı Temsiller (BERT)
14.9. BERT Ön Eğitimi için Veri Kümesi
14.10. BERT Ön Eğitimi
15. Doğal Dil İşleme: Uygulamalar
15.1. Duygu Analizi ve Veri Kümesi
15.2. Duygu Analizi: Yinemeli Sinir Ağlarının Kullanımı
15.3. Duygu Analizi: Evrişimli Sinir Ağlarının Kullanımı
15.4. Doğal Dil Çıkarımı ve Veri Kümesi
15.5. Doğal Dil Çıkarımı: Dikkati Kullanma
15.6. Dizi Düzeyinde ve Belirteç Düzeyinde Uygulamalar için BERT İnce Ayarı
15.7. Doğal Dil Çıkarımı: BERT İnce Ayarı
16. Tavsiye Sistemleri
16.1. Tavsiye Sistemlerine Genel Bakış
16.2. MovieLens Veri Kümesi
16.3. Matrisi Çarpanlarına Ayırma
16.4. AutoRec: Otomatik Kodlayıcılar ile Değerlendirme Tahmini
16.5. Tavsiye Sistemleri için Kişiselleştirilmiş Sıralama
16.6. Kişiselleştirilmiş Sıralama için Sinirsel İşbirlikçi Filtreleme
16.7. Sıraya Duyarlı Tavsiye Sistemleri
16.8. Zengin Öznitelikli Tavsiye Sistemleri
16.9. Çarpanlara Ayırma Makineleri
16.10. Derin Çarpanlara Ayırma Makineleri
17. Çekişmeli Üretici Ağlar
17.1. Çekişmeli Üretici Ağlar
17.2. Derin Evrişimli Çekişmeli Üretici Ağlar
18. Ek: Derin Öğrenme için Matematik
18.1. Geometri ve Doğrusal Cebirsel İşlemler
18.2. Özayrışmalar
18.3. Tek Değişkenli Hesap
18.4. Çok Değişkenli Hesap
18.5. Tümlev (Integral) Kalkülüsü
18.6. Rastgele Değişkenler
18.7. Maksimum (Azami) Olabilirlik
18.8. Dağılımlar
18.9. Naif (Saf) Bayes
18.10. İstatistik
18.11. Bilgi Teorisi
19. Ek: Derin Öğrenme Araçları
19.1. Jupyter Kullanımı
19.2. Amazon SageMaker’ı Kullanma
19.3. AWS EC2 Örneklerini Kullanma
19.4. Google Colab Kullanma
19.5. Sunucuları ve GPU’ları Seçme
19.6. Bu Kitaba Katkıda Bulunmak
19.7.
d2l
API Belgesi
Kaynakça
17.
Çekişmeli Üretici Ağlar
¶
17.1. Çekişmeli Üretici Ağlar
17.1.1. Bir Miktar “Gerçek” Veri Üretme
17.1.2. Üretici
17.1.3. Ayrımcı
17.1.4. Eğitim
17.1.5. Özet
17.1.6. Alıştırmalar
17.2. Derin Evrişimli Çekişmeli Üretici Ağlar
17.2.1. Pokemon Veri Kümesi
17.2.2. Üretici
17.2.3. Ayrımcı
17.2.4. Eğitim
17.2.5. Özet
17.2.6. Alıştırmalar
Previous
16.10. Derin Çarpanlara Ayırma Makineleri
Next
17.1. Çekişmeli Üretici Ağlar
