srush/Tensor-Puzzles
Tensor Puzzles
Tensor-Puzzles هي مجموعة تمارين تعليمية ودرس تعليمي للحوسبة العددية مصمم لإتقان عمليات الموتر وقواعد البث داخل PyTorch. تعمل كمدرب تنفيذ حيث يمارس المستخدمون الانتقال من الصيغ الرياضية إلى الكود عن طريق إعادة تنفيذ بدائيات تعلم الآلة الرياضية.
يستخدم المشروع مجموعة تمارين قائمة على القيود تقيد استدعاءات المكتبة المتاحة لفرض استخدام بدائيات موتر محددة. تم هيكلة هذه التحديات كألغاز متسلسلة تتطلب من المستخدمين حل المهام باستخدام نمط تنفيذ معياري، حيث يتم تقسيم الوظائف المعقدة إلى عمليات تابعة أبسط.
يتم ضمان الصحة من خلال بيئة تنفيذ متكاملة مع PyTorch تستخدم التحقق من التنفيذ المرجعي وفحوصات التسامح العددي. يتحقق النظام من أن مخرجات المستخدم تتطابق مع النتائج المرجعية وتلتزم بقواعد بث المصفوفة متعددة الأبعاد القياسية.
Features
- Tensor Broadcasting - Provides a mechanism for validating that multi-dimensional arrays align according to standard tensor broadcasting rules.
- Runtime Evaluation Environments - Provides an execution environment that runs user code within a live PyTorch session for validation.
- PyTorch Tensor Operations - Integrates with PyTorch to execute tensor operations and validate runtime shapes and types.
- PyTorch Code Exercises - Offers practical exercises and constrained challenges for learning multi-dimensional array manipulation in PyTorch.
- Machine Learning Mathematics - Teaches the fundamental mathematical operations and logic underlying neural network layers.
- Automated Exercise Suites - Provides a series of coding tasks bundled with automated verification for tensor operation implementation.
- API Call Restrictions - Restricts available library calls to force the use of specific tensor primitives during exercises.
- Reference Implementation Validation - Evaluates user submissions against a hidden gold-standard implementation to ensure mathematical equivalence.
- Implementation Trainers - Trains users to transition from mathematical formulas to efficient PyTorch code through verified exercises.
- Progressive Learning Paths - Structures tensor manipulation tasks as a series of progressive puzzles where solutions build on previous concepts.
- Programming Course Materials - Offers structured sets of interactive lessons for reimplementing deep learning mathematical primitives.
- Precision-Tolerant Comparisons - Uses epsilon-based precision-tolerant comparisons to handle floating point rounding errors in tensor results.
- Interactive Tutorials - Serves as a guided set of challenges for understanding tensor broadcasting and linear algebra fundamentals.
- Runtime Shape Verification - Provides runtime verification to ensure tensor dimensions adhere to broadcasting alignment rules.
- Numerical Tolerance Checks - Implements a test runner that verifies tensor output correctness using numerical tolerance epsilon checks.
