tensor ne demek?
Tensor
Tensor, çok boyutlu bir dizidir. Skalerler, vektörler ve matrisler, tensörlerin özel durumlarıdır. Derin öğrenme ve makine öğrenmesinde yaygın olarak kullanılırlar.
Temel Kavramlar:
- Rank (Derece): Tensörün boyut sayısını ifade eder. Örneğin:
- Skaler (tek sayı): Rank 0
- Vektör (sayı dizisi): Rank 1
- Matris (sayı tablosu): Rank 2
- Shape (Şekil): Her bir boyuttaki eleman sayısını belirtir. Örneğin:
- Vektör [3,]: Shape (3,)
- Matris [[1, 2], [3, 4]]: Shape (2, 2)
- Axis (Eksen): Tensörün her bir boyutuna verilen isimdir.
Tensor Çeşitleri:
- Skaler: Tek bir sayı. (Skaler)
- Vektör: Tek boyutlu bir dizi. (Vektör)
- Matris: İki boyutlu bir dizi. (Matris)
- 3-Boyutlu Tensor: Üç boyutlu bir dizi (örneğin, zaman serisi verileri veya RGB renkli görüntüler).
- N-Boyutlu Tensor: N boyutlu bir dizi (daha karmaşık veriler için).
Kullanım Alanları:
- Derin Öğrenme: Sinir ağlarını eğitmek için girdi, çıktı ve ağırlıklar tensörler olarak temsil edilir.
- Görüntü İşleme: Görüntüler tensörler olarak temsil edilir ve üzerlerinde çeşitli işlemler yapılır.
- Doğal Dil İşleme: Metin verileri tensörlere dönüştürülerek analiz edilir.
Önemli Kütüphaneler:
- TensorFlow: Google tarafından geliştirilen açık kaynaklı bir makine öğrenme kütüphanesi.
- PyTorch: Facebook tarafından geliştirilen açık kaynaklı bir makine öğrenme kütüphanesi.
- NumPy: Python için bilimsel hesaplama kütüphanesi. Temel tensör işlemleri için kullanılır. (NumPy)
Temel İşlemler:
- Toplama, Çıkarma, Çarpma, Bölme: Element bazında veya matris çarpımı gibi farklı yöntemlerle tensörler üzerinde gerçekleştirilebilir.
- Yeniden Şekillendirme (Reshape): Tensörün şeklini değiştirmek.
- Transpoz: Matrisin satır ve sütunlarını değiştirmek.
- Broadcast: Farklı şekillerdeki tensörler üzerinde işlem yapabilmek için küçük olan tensörün şeklinin otomatik olarak genişletilmesi. (Broadcast)