Giriş

👩‍💻 Yapay Sinir Ağları Kodlamasına Giriş

Her ilk uygulamada olduğu gibi, bize tüm metodoloji hakkında bir fikir veren süper basit bir şeyle başlamalıyız

✨ Keras Nedir?

Yüksek seviyeli bir Yapay Sinir Ağları API'si, Python ile yazılmış ve TensorFlow, CNTK veya Theano'nun üzerinde çalışabilir.

📚 Önemli Terimler

Terim

Açıkalama

Dense

Bir sinir ağında bir nöron katmanı

Loss Function

Tahminlerinin ne kadar yanlış olduğunu ölçmenin matematiksel bir yolu

Optimizer

Minimum kayıp fonksiyonunun değerine karşılık gelen parametre değerlerini bulmak için kullanan algoritma(lar)

👩‍🔬 En Basit Sinir Ağı

Bir sinirden oluşan bir katman içerir.

👩‍💻 Kod Örneği

# modeli tanımla
model = Sequential()

# tek birimli bir katman ekleme ve girişin boyutunu belirleme 
model.add(Dense(units=1, input_shape=[1]))

# fonksiyonel özellikleri belirleme ve modeli derleme
model.compile(optimizer='sgd', loss='mean_squared_error')

Yapay sinir ağını kurduktan sonra, onu örnek verilerimizle besleyebiliriz 😋

👩‍💻 Kod Örneği

xs = np.array([-1.0,  0.0, 1.0, 2.0, 3.0, 4.0], dtype=float)
ys = np.array([-3.0, -1.0, 1.0, 3.0, 5.0, 7.0], dtype=float)

Şimdi, eğitim sürecini başlatmalıyız 🚀

👩‍💻 Kod Örneği

model.fit(xs, ys, epochs=500)

Her şey tamamlandı😎! Şimdi sinir ağımızı yeni verilerle test edebiliriz 🎉

👩‍💻 Kod Örneği

print(model.predict([10.0]))

👩‍💻 Benim Kodum

🔃 Geleneksel Programlamaya vs. Makine Öğrenmesi

🌞 Yazının Aslı

🧐 Referanslar

Previous🙋‍♀️ Yapay Sinir Ağları ile Derin Öğrenme'nin Hello World'u NextTarayıcıda CNNler

Last updated 4 years ago

Was this helpful?

👩‍🔬 En Basit Sinir Ağı

Bir sinirden oluşan bir katman içerir.

👩‍💻 Kod Örneği

# modeli tanımla
model = Sequential()

# tek birimli bir katman ekleme ve girişin boyutunu belirleme 
model.add(Dense(units=1, input_shape=[1]))

# fonksiyonel özellikleri belirleme ve modeli derleme
model.compile(optimizer='sgd', loss='mean_squared_error')

Yapay sinir ağını kurduktan sonra, onu örnek verilerimizle besleyebiliriz 😋

👩‍💻 Kod Örneği

xs = np.array([-1.0,  0.0, 1.0, 2.0, 3.0, 4.0], dtype=float)
ys = np.array([-3.0, -1.0, 1.0, 3.0, 5.0, 7.0], dtype=float)

Şimdi, eğitim sürecini başlatmalıyız 🚀

👩‍💻 Kod Örneği

model.fit(xs, ys, epochs=500)

Her şey tamamlandı😎! Şimdi sinir ağımızı yeni verilerle test edebiliriz 🎉

👩‍💻 Kod Örneği

print(model.predict([10.0]))