🌱

Giriş

⛓ Dizi Modellerinin Temelleri

⛓ Genel Olarak
Diziler, her örneğin bir veri serisi olarak görülebildiği veri yapılarıdır, örneğin 🧐:
Görev
Giriş X
Çıkış Y
Tür
💬 Konuşma tanıma
Dalga dizisi
Metin dizisi
Sequence-to-Sequence
🎶 Müzik Üretme
Hiç / Tam sayı
Dalga dizisi
One-to_Sequence
💌 Duygu Sınıflandırması
Metin dizisi
Tamsayı Değerlendirmesi (1➡5)
Sequence-to-One
🔠 Makine Çevirisi
Metin dizisi
Metin dizisi
Sequence-to-Sequence
📹 Video Etkinlik Tanıma
Video Çerçeveleri
Etiket
Sequence-to-One
Etiketlenmiş giriş verileri X ve Çıkış Y olduğundan bütün bu görevler gözetimli öğrneme olarak tanımlanabilir👩‍🏫
Sequence-to-Sequence görevlerindeki giriş ve çıkış dizilerinin boyutları farklı olabilir ❗
🤔 Neden Dizi Modellerine İhtiyaç Duyulur?
Makine öğrenmesi algoritmaları genellikle metin girişinin sabit uzunlukta bir vektör olarak temsil edilmesini gerektirir 🙄
Bu nedenle, dizileri modellemek için aşağıdakileri yapabilen özel bir öğrenme yaklaşımına ihtiyacımız var:
✔ Değişen uzunluklara sahip dizilere uygun
✔ Dizi sırasını koruyabilen
✔ Girdi verilerini çok kısa kesmek yerine uzun vadeli bağımlılıkları takip eden
✔ Parametreleri dizi boyunca paylaşabilen (Dizi boyunca eskiyi silip tekrar öğrenmeyen)
👩‍💻 Kodlarım
​💬 Metin sınıflandırma​
🌞 Yazının Aslı
​Burada 🐾​

Derin Öğrenmede Dizi Modelleri

Dizi Modellerinin Genel Kavramları

Last modified 3yr ago

Görev	Giriş X	Çıkış Y	Tür
💬 Konuşma tanıma	Dalga dizisi	Metin dizisi	Sequence-to-Sequence
🎶 Müzik Üretme	Hiç / Tam sayı	Dalga dizisi	One-to_Sequence
💌 Duygu Sınıflandırması	Metin dizisi	Tamsayı Değerlendirmesi (1➡5)	Sequence-to-One
🔠 Makine Çevirisi	Metin dizisi	Metin dizisi	Sequence-to-Sequence
📹 Video Etkinlik Tanıma	Video Çerçeveleri	Etiket	Sequence-to-One