| description |
|---|
🚪 Tensorflow ve Keras ile bilgisayar görüşü problemlerini çözmeye giriş |
MNIST'in açılımı: (Modified National Institute of Standards and Technology database)
- 🔎 Fashion-MNIST 60.000 örnek eğitim setinden ve 10.000 örnek test setinden oluşur
- 🎨 Türleri:
- 🔢 MNIST: el yazısı rakamlar için
- 👗 Fashion-MNIST: moda için (kıyafet)
- 📃 Özellikler:
- 🌚 Gri tonlama (siyah-beyaz)
- 28x28 px
- 10 farklı kategori
- Repo
| Terim | Açıklama |
|---|---|
| ➰ Sequential | Bu sinir ağında bir katmanlar dizisi tanımlar |
| ⛓ Flatten | Yassılaştır sadece o kareyi alır ve onu 1 boyutlu bir kümeye dönüştürür (giriş katmanı için kullanılır) |
| 🔷 Dense | Bir nöron katmanı ekler |
| 💥 Activation Function | Doğrusal olmayan özellikleri ağa tanıtan bir formül |
| ✨ Relu | If X>0 return X, else return 0 kuralına sahip bir aktivasyon fonksiyonudur |
| 🎨 Softmax | Bir dizi değer alan ve en büyüğünü seçen bir aktivasyon fonksiyonudur |
Aktivasyon fonksiyonunun temel amacı, bir NN'deki bir düğümün giriş sinyalini bir çıkış sinyaline dönüştürmektir. Bu çıkış sinyali şimdi yığındaki bir sonraki katmana girdi olarak kullanılır 💥
- MNIST'deki değerler 0-255 arasındadır ancak sinir ağları normalleştirilmiş verilerle daha iyi çalışır, bu nedenle her değeri 255'e bölebiliriz, böylece değerler 0,1 arasındadır.
- Eğitim sürecini durdurmak için birden fazla kriter var, epoch sayısını ya da eşiğini ya da her ikisini birden belirleyebiliriz.
- Epochs: iterasyon sayısı
- Eşik: her iterasyon sonrasında accuracy veya loss için bir eşik değeri
- Eşik değeri ve maksimum epoch sayısı
Her epoch sonunda, accuracy'yi Callbacks ile kontrol edebiliriz 💥