srush/Tensor-Puzzles
Tensor Puzzles
Tensor-Puzzles एक शैक्षिक अभ्यास सूट और संख्यात्मक कंप्यूटिंग ट्यूटोरियल है जिसे PyTorch के भीतर टेंसर ऑपरेशंस और ब्रॉडकास्टिंग नियमों में महारत हासिल करने के लिए डिज़ाइन किया गया है। यह एक कार्यान्वयन ट्रेनर के रूप में कार्य करता है जहां उपयोगकर्ता डीप लर्निंग गणितीय प्रिमिटिव्स को फिर से लागू करके गणितीय सूत्रों को कोड में बदलने का अभ्यास करते हैं।
यह प्रोजेक्ट एक बाधा-आधारित अभ्यास सूट का उपयोग करता है जो विशिष्ट टेंसर प्रिमिटिव्स के उपयोग को मजबूर करने के लिए उपलब्ध लाइब्रेरी कॉल्स को प्रतिबंधित करता है। ये चुनौतियां अनुक्रमिक पहेलियों के रूप में संरचित हैं जिन्हें उपयोगकर्ताओं को एक मॉड्यूलर कार्यान्वयन पैटर्न का उपयोग करके कार्यों को हल करने की आवश्यकता होती है, जहां जटिल फंक्शन्स को सरल आश्रित ऑपरेशंस में तोड़ दिया जाता है।
सटीकता एक PyTorch-एकीकृत निष्पादन वातावरण के माध्यम से सुनिश्चित की जाती है जो संदर्भ-कार्यान्वयन सत्यापन और संख्यात्मक-सहिष्णुता जांच का उपयोग करता है। सिस्टम सत्यापित करता है कि उपयोगकर्ता-परिभाषित आउटपुट संदर्भ परिणामों से मेल खाते हैं और मानक बहुआयामी सरणी ब्रॉडकास्टिंग नियमों का पालन करते हैं।
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.
