🌱Giriş

🚪 Tensorflow ve Keras ile bilgisayar görüşü problemlerini çözmeye giriş

👗 MNIST Nedir?

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

📚 Önemli Terim

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 💥

💫 Performans Hakkında Notlar

• 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 💥

👩‍💻 Kodlarım

• 👗 Fashion MNIST
• 1️⃣ Digit MNIST
• 🎈 Genel Akış
• 🎨 Detaylı Sınıflandırma

🌞 Yazının Aslı

• Burada 🐾

🧐 Referanslar

• Official Documentation of Keras
• More About Activation Functions