removed deprecacy

2026-05-06 00:41:09 +02:00
parent 62139c1ad3
commit 491f38f511
3 changed files with 3 additions and 201 deletions
--- a/prezentacia/3.tex
+++ b/prezentacia/3.tex
@@ -1,195 +0,0 @@
-
-
-\begin{frame}[fragile]{Štruktúra nášho projektu}
-\begin{verbatim}
-.
-├── Cargo.toml        # závislosti (burn, clap, npyz, ...)
-├── mnist.npz         # dataset
-└── src/
-    ├── lib.rs        # modul deklarácie
-    ├── main.rs       # tréningová slučka, načítanie dát
-    └── model.rs      # parametre siete
-\end{verbatim}
-
-  \vspace{0.5em}
-  Celý projekt --- 3 súbory. Žiadne skripty, žiadny Python glue.
-\end{frame}
-
-\begin{frame}[fragile]{Definícia parametrov siete}
-\begin{verbatim}
-pub struct Parameters<B: Backend> {
-    pub w1: Tensor<B, 2>,  // [784, hidden]
-    pub b1: Tensor<B, 1>,  // [hidden]
-    pub w2: Tensor<B, 2>,  // [hidden, 10]
-    pub b2: Tensor<B, 1>,  // [10]
-}
-\end{verbatim}
-
-  \vspace{0.5em}
-  \begin{itemize}
-    \item Generický typ \texttt{B: Backend} --- funguje na akomkoľvek backendu
-    \item Rozmery tenzorov sú súčasťou typu (\texttt{Tensor<B, 2>})
-    \item Kompilátor zachytí chyby v rozmeroch ešte \textbf{pred spustením}
-  \end{itemize}
-\end{frame}
-
-\begin{frame}[fragile]{Inicializácia váh}
-\begin{verbatim}
-let w1 = random_tensor([784, hidden_size],
-                        0.1, seed, device);
-let b1 = Tensor::zeros([hidden_size], device);
-\end{verbatim}
-
-  \vspace{0.5em}
-  \begin{itemize}
-    \item Váhy: náhodné z $\mathcal{N}(0,\; 0.1)$
-    \item Biasy: inicializované na nulu
-    \item \texttt{device} určuje, kde žijú dáta (CPU/GPU)
-    \item Seed zabezpečuje \textbf{reprodukovateľnosť}
-  \end{itemize}
-\end{frame}
-
-\begin{frame}[fragile]{Načítanie MNIST dát}
-\begin{verbatim}
-fn load_mnist_items(path: &str, examples: usize)
-    -> Vec<(Vec<f32>, u8)>
-\end{verbatim}
-
-  \vspace{0.5em}
-  \begin{itemize}
-    \item Otvoríme \texttt{mnist.npz} ako ZIP archív
-    \item Načítame obrázky + labely z \texttt{.npy} súborov
-    \item Normalizujeme pixely: $[0, 255] \rightarrow [0.0, 1.0]$
-    \item Výstup: vektor párov \texttt{(obrázok, číslica)}
-  \end{itemize}
-
-  \vspace{0.5em}
-  Rustový typový systém garantuje, že dáta majú správny formát.
-\end{frame}
-
-\begin{frame}[fragile]{CLI parametre s Clap}
-\begin{verbatim}
-#[derive(Parser, Debug)]
-struct Args {
-    #[arg(long, default_value_t = 50)]
-    batch_size: usize,
-    #[arg(long, default_value_t = 0.1)]
-    learning_rate: f64,
-    #[arg(long, default_value_t = 10)]
-    epochs: usize,
-}
-\end{verbatim}
-
-  \vspace{0.5em}
-  Jeden derive makro --- automatický parsing, help text, validácia.
-
-  \texttt{cargo run -- --epochs 20 --learning-rate 0.01}
-\end{frame}
-
-\begin{frame}{Tréningová slučka --- logika}
-  Pre každú epochu:
-  \begin{enumerate}
-    \item Rozdeľ trénovacie dáta na \textbf{mini-batche}
-    \item Pre každý batch:
-    \begin{itemize}
-      \item Forward pass: $\hat{y} = \text{softmax}((\mathbf{x} \cdot W_1 + b_1)_{\text{ReLU}} \cdot W_2 + b_2)$
-      \item Spočítaj cross-entropy loss
-      \item Backpropagation: gradienty pre $W_1, b_1, W_2, b_2$
-      \item Update: $\theta \leftarrow \theta - \eta \cdot \nabla L$
-    \end{itemize}
-    \item Vyhodnoť presnosť na dev sete
-  \end{enumerate}
-\end{frame}
-
-\begin{frame}{Burn vs PyTorch --- porovnanie}
-  \begin{center}
-  \begin{tabular}{lcc}
-    \hline
-    \textbf{Vlastnosť} & \textbf{PyTorch} & \textbf{Burn} \\
-    \hline
-    Jazyk            & Python/C++  & Rust \\
-    Typová bezpečnosť & runtime     & compile-time \\
-    Pamäťová bezpečnosť & GC/manuálna & ownership \\
-    Backendy         & CUDA, CPU   & CUDA, CPU, WebGPU \\
-    Binárka          & $\sim$GB + Python & $\sim$MB standalone \\
-    Nasadenie        & zložité     & jeden binárny súbor \\
-    \hline
-  \end{tabular}
-  \end{center}
-\end{frame}
-
-\begin{frame}{Výhoda: Compile-time kontroly}
-  V PyTorchi:
-  \begin{itemize}
-    \item Chyba v rozmeroch $\rightarrow$ \texttt{RuntimeError} po minútach tréningu
-    \item Preklep v názve vrstvy $\rightarrow$ tichý bug
-  \end{itemize}
-
-  \vspace{0.5em}
-  V Burn/Ruste:
-  \begin{itemize}
-    \item Nesprávne rozmery $\rightarrow$ \textbf{kompilátor to nepustí}
-    \item Nepoužitá premenná, chýbajúci branch $\rightarrow$ warning/error
-    \item Žiadne \texttt{None} prekvapenia --- \texttt{Option<T>} treba ošetriť
-  \end{itemize}
-
-  \vspace{0.5em}
-  \textbf{Menej debugovania, viac istoty.}
-\end{frame}
-
-\begin{frame}{Výhoda: Nasadenie do produkcie}
-  \begin{itemize}
-    \item \texttt{cargo build --release} $\rightarrow$ jeden statický binárny súbor
-    \item Žiadny Python runtime, žiadne virtuálne prostredia
-    \item Možnosť kompilácie do WebAssembly $\rightarrow$ inferencia v prehliadači
-    \item Ideálne pre embedded, edge zariadenia, IoT
-  \end{itemize}
-
-  \vspace{0.5em}
-  \begin{center}
-    PyTorch model: Docker kontajner $\sim$2\,GB \\
-    Burn model: binárka $\sim$5\,MB
-  \end{center}
-\end{frame}
-
-\begin{frame}{Výhoda: Fearless concurrency}
-  \begin{itemize}
-    \item Rustový ownership systém zabraňuje data races \textbf{v compile-time}
-    \item Bezpečný multithreading pre data loading, augmentáciu
-    \item Parameter \texttt{--threads} v našom projekte
-    \item V Pythone: GIL (Global Interpreter Lock) blokuje paralelizmus
-  \end{itemize}
-\end{frame>
-
-\begin{frame}{Kedy použiť Burn?}
-  \textbf{Vhodné:}
-  \begin{itemize}
-    \item Nasadenie modelov do produkcie
-    \item Edge/embedded inferencia
-    \item Keď chcete maximálny výkon a bezpečnosť
-    \item Keď už poznáte Rust
-  \end{itemize}
-
-  \vspace{0.5em}
-  \textbf{Nevhodné (zatiaľ):}
-  \begin{itemize}
-    \item Rýchle prototypovanie --- Python je stále rýchlejší na experimenty
-    \item Ekosystém --- PyTorch má tisíce hotových modelov
-    \item Burn je stále mladý projekt (aktívny vývoj)
-  \end{itemize}
-\end{frame}
-
-\begin{frame}{Zhrnutie}
-  \begin{itemize}
-    \item Neurónové siete = vrstvy neurónov, učenie cez gradienty
-    \item \textbf{Burn} prináša deep learning do Rustu
-    \item Backend-agnostický, typovo bezpečný, production-ready
-    \item Náš projekt: MNIST klasifikátor v 3 súboroch
-    \item Rust + Burn = bezpečnosť + výkon + jednoduchosť nasadenia
-  \end{itemize}
-
-  \vspace{1em}
-  \begin{center}
-    \Large Ďakujem za pozornosť!
-  \end{center}
-\end{frame}
--- a/prezentacia/main/main.log
+++ b/prezentacia/main/main.log
@@ -3143,15 +3143,12 @@ L3 programming layer <2026-01-19>

 LaTeX Font Warning: Some font shapes were not available, defaults substituted.

-
-LaTeX Warning: Label(s) may have changed. Rerun to get cross-references right.
-
 Package rerunfilecheck Info: File `main.out' has not changed.
 (rerunfilecheck)             Checksum: D41D8CD98F00B204E9800998ECF8427E;0.
 )

 Here is how much of LuaTeX's memory you used:
- 67066 strings out of 476078
+ 67064 strings out of 476078
 125031,2848258 words of node,token memory allocated
 6249 words of node memory still in use:
   59 hlist, 16 vlist, 9 rule, 24 disc, 8 local_par, 4 math, 137 glue, 55 kern, 
@@ -3160,7 +3157,7 @@ _list, 8 write, 30 pdf_literal, 2 pdf_start_link, 2 pdf_end_link, 4 pdf_dest, 2
 pdf_action, 60 pdf_colorstack nodes
   avail lists: 1:8,2:3124,3:1867,4:377,5:299,6:44,7:1346,8:21,9:988,10:13,11:81
 ,12:1
- 87632 multiletter control sequences out of 65536+600000
+ 87630 multiletter control sequences out of 65536+600000
 132 fonts using 28094191 bytes
 128i,23n,130p,7883b,1832s stack positions out of 10000i,1000n,20000p,200000b,200000s
 </nix/store/56vq9r21wl8m731rsri7nh3l4ipih7jj-texlive-2025-r78234-final-env-texmf
@@ -3186,7 +3183,7 @@ ona/iwonar.pfb></nix/store/56vq9r21wl8m731rsri7nh3l4ipih7jj-texlive-2025-r78234-
 final-env-texmfdist/fonts/type1/public/mathdesign/mdbch/md-chb7t.pfb></nix/store
 /56vq9r21wl8m731rsri7nh3l4ipih7jj-texlive-2025-r78234-final-env-texmfdist/fonts/
 type1/public/mathdesign/mdbch/md-chb7y.pfb>
-Output written on main.pdf (13 pages, 95834 bytes).
+Output written on main.pdf (13 pages, 95816 bytes).

 PDF statistics: 196 PDF objects out of 1000 (max. 8388607)
 115 compressed objects within 2 object streams
--- a/prezentacia/main/main.pdf
+++ b/prezentacia/main/main.pdf