Institute of Information Science - University of Miskolc

User Tools

Site Tools

Trace:
muszaki_informatika:gepi_tanulas

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revisionPrevious revision
Next revision		Previous revision
muszaki_informatika:gepi_tanulas [2025/05/22 10:51] – [Példák tenzorátalakításokra] knehezmuszaki_informatika:gepi_tanulas [2025/05/23 06:12] (current) – [Felügyelt és felügyelet nélküli tanulás] knehez
Line 239: Line 239:
 ==== Felügyelt és felügyelet nélküli tanulás ==== ==== Felügyelt és felügyelet nélküli tanulás ====
  
-  * A regresszió és osztályozás esetén mindig szükség van egy **célértékre** (\( y \)), ezért ezeket **felügyelt tanulásnak** nevezzük. +  * A //regresszió// és //osztályozás// esetén mindig szükség van egy **célértékre** (\( y \)), ezért ezeket **felügyelt tanulásnak** nevezzük. 
-  * A sűrűségmodellezés során nincs célérték, csak maga az \( x \) szerepel, ezért ez a **felügyelet nélküli tanulás** kategóriájába soroljuk.+  * A //sűrűségmodellezés// során nincs célérték, csak maga az \( x \) szerepel, ezért ez a **felügyelet nélküli tanulás** kategóriájába soroljuk.
  
 ==== Megjegyzés ==== ==== Megjegyzés ====
Line 282: Line 282:
   * 32 ilyen kép: \( \mathbb{R}^{32 \times 3 \times 64 \times 64} \)   * 32 ilyen kép: \( \mathbb{R}^{32 \times 3 \times 64 \times 64} \)
  
-A népszerű mélytanulási könyvtárak lehetővé teszik ezek **formátumának gyors átalakítását**, például: +A népszerű mélytanulási könyvtárak lehetővé teszik ezek **formátumának gyors átalakítását** (tenzorátalakításokat).
- +
-  * dimenziók átrendezése (transpose), +
-  * szeletek kivágása, +
-  * sorozatok kibontása (reshape). +
- +
-Ezek a műveletek gyakran **memóriamásolás nélkül** végrehajthatók, ami különösen hatékonnyá teszi őket.+
  
 ==== Példák tenzorátalakításokra ==== ==== Példák tenzorátalakításokra ====
  
-=== 1. Dimenziók átrendezése (transpose) ===+=== Dimenziók átrendezése (transpose) ===
  
 Ha van egy mátrixunk: Ha van egy mátrixunk:
Line 323: Line 317:
  
  
-=== 2. Szeletek kivágása ===+=== Szeletek kivágása ===
  
 Tegyük fel, hogy van egy 3x4-es mátrix, és csak az első két oszlopra van szükségünk: Tegyük fel, hogy van egy 3x4-es mátrix, és csak az első két oszlopra van szükségünk:
Line 351: Line 345:
 </sxh> </sxh>
  
---- +=== Sorozatok kibontása (reshape) ===
- +
-=== 3. Sorozatok kibontása (reshape) ===+
  
 Egy hosszú vektor: Egy hosszú vektor:
Line 377: Line 369:
 </sxh> </sxh>
  
-==== Tenzoralapú számítási modell előnyei ==== +Ezek a műveletek gyakran **memóriamásolás nélkül** végrehajthatók, ami különösen hatékonnyá teszi őket. 
- +A modern mélytanulási rendszerek tervezése során a tenzoros reprezentáció fontos követelmén. Ha a számításokat **tenzoros formában** szervezzük meg, akkor ez lehetővé teszi a hatékony párhuzamos végrehajtást. Minden szint – a modell, a programkönyvtár, a hardver – **kompatibilis** kell legyen ezzel a reprezentációval. 
-A modern mélytanulási rendszerek tervezése során a következő célok fontosak: +A tenzoros struktúra támogatja a memóriabeli **lokalitást**, vagyis a gyakran használt adatok közel maradnak egymáshoz a memóriában, ezáltal gyorsabb az elérésük.
- +
-  * A számításokat **tenzoros formában** szervezzük meg, mert ez lehetővé teszi a párhuzamos végrehajtást. +
-  * Minden szint – a modell, a programkönyvtár, a hardver – **kompatibilis** kell legyen ezzel a reprezentációval. +
-  * A tenzoros struktúra támogatja a memóriabeli **lokalitást**, vagyis a gyakran használt adatok közel maradnak egymáshoz a memóriában, ezáltal gyorsabb az elérésük. +
- +
-A mesterséges intelligencia modellek gyakorlati hatékonysága így nemcsak a matematikai ötleteken, hanem a **tenzorokra épülő implementáció minőségén** is múlik. +
muszaki_informatika/gepi_tanulas.1747911086.txt.gz · Last modified: 2025/05/22 10:51 by knehez