newton-vision 1.0.0

High-Performance Computer Vision & Deep Learning Framework in C++ & CUDA with PyTorch Parity

newton-vision — İlerleme & Devam Noktası

Bu dosya oturumlarda kaldığımız yerden devam edebilmek için tek doğruluk kaynağıdır. Her oturumda güncelle. Özet: sıfırdan, sürdürülebilir, pybind11'li bir görüntü/CNN çekirdeği yazıyoruz.

⭐ DEVAM NOKTASI: v1.0.0 RESMİ SÜRÜM & PYPI DAĞITIM PAKETLERİ TAMAMLANDI!

1. Gerçek MNIST verisi üzerinde LeNet evrişimsel sinir ağı eğitildi (%91.6 Eğitim, %86.6 Test Doğruluğu) ve model tutorials/lenet_mnist_v1.nv checkpoint dosyası olarak kaydedildi.
2. PyPI ikili tekerlek (dist/newton_vision-1.0.0-cp313-cp313-win_amd64.whl) ve kaynak dağıtım paketi (dist/newton_vision-1.0.0.tar.gz) derlendi.

Yol: C:\Users\onur_\Desktop\newton-vision (Windows 11, git repo, branch master)

---

🎯 Proje Dizin Yapısı (Open Source Production Release)

newton-vision/
├── dist/                    # PyPI Dağıtım Paketleri (.whl & .tar.gz)
├── cpp/                     # C++ & CUDA Katman Çekirdeği (im2col, GEMM, OpenMP, NVCC)
├── docs/                    # Mimari ve Akademik Matematik Dokümantasyonu (docs/autograd_math.md)
├── benchmarks/              # PyTorch vs newton-vision Yan Yana Karşılaştırma Testleri
├── examples/                # Canlı Görsel, Sobel Filtreleme ve Master Showcase Demosu
├── tests/                   # Otomatik Birim ve Parite Testleri (100% PASS)
├── tutorials/               # Uçtan Uca Model Eğitimi & Checkpoint (train_and_eval_lenet.py, lenet_mnist_v1.nv)
└── src/newton_vision/       # Ana Python Paketi (v1.0.0 - optics, fluxion, gravity, principia, models, weights, jit)

---

📦 1. PyPI Dağıtım Paketleri (dist/)

• dist/newton_vision-1.0.0-cp313-cp313-win_amd64.whl (Binary Wheel Package)
• dist/newton_vision-1.0.0.tar.gz (Source Package)

Paketi yüklemek için:

pip install dist/newton_vision-1.0.0-cp313-cp313-win_amd64.whl

---

🧪 2. Model Eğitimi & Değerlendirme Sonuçları (tutorials/train_and_eval_lenet.py)

• Eğitim Verisi: 60,000 Örnek | Test Verisi: 10,000 Örnek
• Model: LeNet Classifier (Conv2d ➜ ReLU ➜ MaxPool2d ➜ Conv2d ➜ Linear 120 ➜ Linear 84 ➜ Linear 10)
• Loss: CrossEntropyLoss | Optimizer: Adam
• Eğitim Başarımı: %91.6 Accuracy (Loss: 0.2590)
• 🏆 TEST KÜMESİ DOĞRULUĞU: %86.6 Accuracy
• Kaydedilen Model Checkpoint: tutorials/lenet_mnist_v1.nv