:begin_tab:mxnet
Bu kitabın uzunluğundaki kısıtlamalar nedeniyle, her bir MXNet işlevini ve sınıfını tanıtamayız (ve muhtemelen bizim yapmamızı siz de istemezsiniz). API (Application Programming Interface - Uygulama Programlama Arayüzü) belgeleri ve ek öğreticiler (tutorial) ve örnekler kitabın ötesinde pek çok belge sağlar. Bu bölümde size MXNet API'sini keşfetmeniz için biraz rehberlik sunuyoruz.
:end_tab:
:begin_tab:pytorch
Bu kitabın uzunluğundaki kısıtlamalar nedeniyle, her bir PyTorch işlevini ve sınıfını tanıtamayız (ve muhtemelen bizim yapmamızı siz de istemezsiniz). API (Application Programming Interface - Uygulama Programlama Arayüzü) belgeleri ve ek öğreticiler (tutorial) ve örnekler kitabın ötesinde pek çok belge sağlar. Bu bölümde size PyTorch API'sini keşfetmeniz için biraz rehberlik sunuyoruz.
:end_tab:
:begin_tab:tensorflow
Bu kitabın uzunluğundaki kısıtlamalar nedeniyle, her bir TensorFlow işlevini ve sınıfını tanıtamayız (ve muhtemelen bizim yapmamızı siz de istemezsiniz). API (Application Programming Interface - Uygulama Programlama Arayüzü) belgeleri ve ek öğreticiler (tutorial) ve örnekler kitabın ötesinde pek çok belge sağlar. Bu bölümde size TensorFlow API'sini keşfetmeniz için biraz rehberlik sunuyoruz.
:end_tab:
Bir modülde hangi fonksiyonların ve sınıfların çağrılabileceğini bilmek için dir
fonksiyonunu çağırırız. Örneğin, (rastgele sayılar oluşturmak için modüldeki tüm özellikleri sorgulayabiliriz):
from mxnet import np
print(dir(np.random))
#@tab pytorch
import torch
print(dir(torch.distributions))
#@tab tensorflow
import tensorflow as tf
print(dir(tf.random))
Genel olarak, __
(Python'daki özel nesneler) ile başlayan ve biten işlevleri veya tek bir _
ile başlayan işlevleri (genellikle dahili işlevler) yok sayabiliriz. Kalan işlev veya özellik adlarına bağlı olarak bu modülün tekdüze dağılım (uniform
), normal dağılım (normal
) ve çok terimli dağılımdan (multinomial
) örnekleme dahil, bu modülün rastgele sayılar oluşturmak için çeşitli yöntemler sunduğunu tahmin edebiliriz.
Belirli bir işlevin veya sınıfın nasıl kullanılacağına ilişkin daha özel talimatlar için help
(yardım) işlevini çağırabiliriz. Örnek olarak, [tensörlerin ones
işlevi için kullanım talimatlarını] inceleyelim.
help(np.ones)
#@tab pytorch
help(torch.ones)
#@tab tensorflow
help(tf.ones)
Dokümantasyondan, ones
işlevinin belirtilen şekle sahip yeni bir tensör oluşturduğunu ve tüm öğeleri 1 değerine ayarladığını görebiliriz. Mümkün oldukça, yorumunuzu onaylamak için (hızlı bir test) yapmalısınız:
np.ones(4)
#@tab pytorch
torch.ones(4)
#@tab tensorflow
tf.ones(4)
Jupyter not defterinde, belgeyi başka bir pencerede görüntülemek için ?
kullanabiliriz. Örneğin, list?
, help(list)
ile neredeyse aynı olan içerik üretecek ve onu yeni bir tarayıcı penceresinde görüntüleyecektir. Ek olarak, list??
gibi iki soru işareti kullanırsak, işlevi uygulayan Python kodu da görüntülenecektir.
- Resmi belgeler, bu kitabın dışında pek çok açıklama ve örnek sağlar.
- Jupyter not defterlerinde
dir
vehelp
işlevlerini veya?
ve??
işlevlerini çağırarak bir API'nin kullanımına ilişkin belgelere bakabiliriz.
- Derin öğrenme çerçevesindeki herhangi bir işlev veya sınıf için belgelere (dökümantasyon) bakın. Belgeleri çerçevenin resmi web sitesinde de bulabilir misiniz?
:begin_tab:mxnet
Tartışmalar
:end_tab:
:begin_tab:pytorch
Tartışmalar
:end_tab:
:begin_tab:tensorflow
Tartışmalar
:end_tab: