Bu modul kursning poydevori: chuqur o’rganish uchun zarur Python jihozlari va markaziy tushuncha — tensor.

Python va ma’lumotlar tahlili — nima uchun takror

Chuqur o’rganish amalda uch kutubxona ustida turadi: NumPy (massivlar), Pandas (jadval ma’lumoti) va Matplotlib (vizualizatsiya). Modelga berishdan oldin har qanday ma’lumot son massiviga aylanadi — rasm ham, matn ham, jadval ham. Shuning uchun massiv ko’nikmalari (shape o’qish, indekslash, vektorlashgan amallar) bu kursda har darsda kerak bo’ladi:

import numpy as np

rasm = np.random.default_rng(0).random((28, 28))   # "rasm": 28x28 piksel
print(rasm.shape, rasm.dtype, rasm.mean().round(3))

Natija:

(28, 28) float64 0.499

Tensor nima

Tensor — ko’p o’lchovli massivning umumlashgan nomi: 0 o’lchovli (skalyar), 1 o’lchovli (vektor), 2 o’lchovli (matritsa) va undan yuqori. Chuqur o’rganish freymvorklarida (PyTorch) tensor NumPy massiviga juda o’xshaydi, lekin ikki hal qiluvchi qo’shimchasi bor: GPU’da hisoblay oladi va gradientlarni avtomatik kuzata oladi (autograd) — ikkinchisi keyingi modulda ishga tushadi.

import torch

t = torch.tensor([[1.0, 2.0], [3.0, 4.0]])
print(t.shape)        # torch.Size([2, 2])
print(t.dtype)        # torch.float32
print(t @ t)          # matritsa ko'paytmasi
n = t.numpy()         # NumPy bilan ikki tomonlama ko'prik
g = t.to("cuda")      # GPU bo'lsa — o'sha yerga ko'chirish

Odatiy o’lchov kelishuvlari yodda tursin: rasmlar to’plami — (batch, kanal, balandlik, kenglik), masalan (32, 3, 224, 224); jadval ma’lumoti — (batch, xususiyatlar). Ko’pchilik xatolar aynan shu o’lchamlarning mos kelmasligidan chiqadi — RuntimeError: mat1 and mat2 shapes cannot be multiplied ko’rsangiz, birinchi ish print(x.shape).

NumPy massiv va PyTorch tensor

float32 — chuqur o’rganish standarti: aniqligi yetarli, xotira va tezlikda ikki barobar yutuq. NumPy’dan kelgan float64 tensorni ko’pincha .float() bilan o’girib olish kerak bo’ladi — aks holda turlar mos kelmay xato beradi.

Amaliyot

1. 0–9 sonlaridan vektor-tensor yasang; shape, dtype, sum() ni chiqaring.
2. (3, 4) o’lchamli tasodifiy tensor yaratib (torch.rand), uni transpozitsiya qiling va ikkala shape’ni solishtiring.
3. NumPy massivini torch.from_numpy bilan tensorga o’girib, dtype’i nima bo’lganini tekshiring; .float() bilan float32 ga keltiring.
4. (2, 3) va (3, 2) tensorlarni @ bilan ko’paytiring; (2, 3) @ (2, 3) urinib, chiqqan xatoni o’qib tushuntiring.
5. (32, 3, 224, 224) shape’li nol tensor yasang va har bir o’lchamning ma’nosini izohda yozing.

Modul testi keyingi darsda.