الهدف: التفكير في الكلفة قبل تكبير النموذج.
لا يعتمد الزمن على عدد المعاملات فقط: حجم دوالّ التنشيط، وطول المتتالية، والدُّفعة، والعمليات، وحركات الذاكرة، كلّها مهمّة. أثناء التدريب، يجب تخزين الأوزان، والتدرجات، وحالات المحسِّن، ودوالّ التنشيط الضرورية للانتشار العكسي.
يُسرِّع GPU الحسابات المتوازية الكبيرة بما يكفي. دُفعات صغيرة، أو تحميل بيانات بطيء، أو تحويلات متكرّرة بين CPU↔GPU قد تُبقيه خاملاً.
loader = DataLoader(dataset, batch_size=128, shuffle=True,
num_workers=4, pin_memory=True)قِس قبل التحسين. على Windows، يعتمد العدد الأمثل من العمّال (Workers) على الجهاز، ويجب حماية
نقطة الدخول بـ if __name__ == "__main__":.
معاينة — بقية الدرس متاحة للمسجّلين فقط.
وصولك مرتبط بحسابك وليس بهذا الرابط. سجّل الدخول بنفس البريد الذي استخدمته في الصف: دورتك بانتظارك، ولا حاجة لإدخال الرمز مجددًا.
تسجيل الدخولليس لديك حساب بعد؟ أنشئ حسابًاالوحدات الأولى من الدورة مفتوحة للجميع. أما البقية فأمامك ثلاثة خيارات: شراء هذه الدورة مرة واحدة، أو الاشتراك، أو إدخال الرمز الموزّع في القاعة.