Yapay zekaya nereden başlayacağını bilmiyor musun? Başlangıç rehberi burada →
lovable
Fikrini yaz, uygulaman hazır
lovable ile kod yazmadan full-stack uygulama kur.
Dene →

Mini Küme (Mini-Batch)

Araç kavramları
Ing: Mini-BatchSon güncelleme: 16 Kasım 2026
Eğitim verisini küçük gruplara bölüp modeli her grupta bir güncelleme yöntemi. Hız ile kararlılık arasındaki tatlı nokta.

Mini-batch nedir?

Bir modeli eğitirken elindeki tüm veriyi tek seferde işlemek çoğu zaman mümkün değildir; milyonlarca örnek belleğe sığmaz, sığsa bile her adım çok yavaş olur. Mini-batch, eğitim verisini küçük gruplara bölme fikridir. Model her seferinde bu küçük gruplardan birini görür, hatasını hesaplar ve ağırlıklarını günceller. Tipik grup boyutu 16, 32, 64 ya da 128 örnektir.

Nasıl çalışır?

Diyelim 50.000 örneklik bir dataset'in var ve batch size'ı 100 seçtin. Model veriyi 500 mini-batch'e böler. Her mini-batch için şu döngü işler: örnekler ileri geçer (forward pass), loss hesaplanır, backpropagation ile gradyanlar bulunur ve optimizer ağırlıkları günceller. 500 mini-batch bittiğinde tüm veriyi bir kez görmüş olursun — buna bir epoch denir. Gradyanlar tek örnek yerine küçük bir grubun ortalamasından geldiği için gürültü azalır, ama her adımda güncelleme yaptığın için öğrenme hızlı kalır.

Neden önemli?

İki uçta iki yöntem var: tüm veriyi tek batch'te işlemek (batch gradient descent) çok kararlı ama yavaş ve bellek canavarı; tek örnekle güncellemek (stochastic gradient descent) çok hızlı ama zıpzıp, gürültülü. Mini-batch ikisinin arasındaki dengedir. GPU'lar paralel çalışmayı sevdiği için bir grubu aynı anda işlemek donanımı verimli kullanır. Modern derin öğrenmenin neredeyse tamamı mini-batch ile eğitilir.

Kullanım alanları

Görüntü sınıflandırmadan dil modellerine kadar neredeyse her neural network eğitiminde mini-batch kullanılır. Batch size'ı ayarlamak başlı başına bir hyperparameter kararıdır: küçük batch daha çok gürültü ama bazen daha iyi genelleme, büyük batch daha stabil ama bellek ister. Transformer tabanlı büyük modellerde gradient accumulation ile küçük mini-batch'ler birleştirilip efektif büyük batch elde edilir.

mindi
mindi'nin notu
batch size için sihirli sayı yok; 32'den başla, bellek ve sonuç ne diyorsa ona göre oyna. Büyük batch her zaman daha iyi demek değil.