💫
Derin Öğrenme
  • 💫Derin Öğrenme Notları
  • 🚀English Version
  • 🦋Projeye Katkıda Bulunma
  • 💼Kullanışlı Araçlar
  • 💎Yapay Sinir Ağları Kavramları
    • 🌱Giriş
    • 🔎Esas Problem
    • 👷‍♀️ Yapay Sinir Ağlarının Uygulanması Üzerine Notlar
    • 📚Yapay Sinir Ağlarının Kavramları
    • 💥Yapay Sinir Ağlarında Aktivasyon Fonksiyonları
    • 🎈NN Uygulama İp Uçları
    • 👩‍🔧 NN Düzenlileştirme (Regularization)
    • ✨Optimizasyon Algoritmaları
    • 🎨Softmax Regression
    • 🏃‍♀️ Tensorflow'a Hızlı Giriş
    • 👩‍💻 Yapay Sinir Ağlarıyla ilgili Pyhton Kod Parçaları
  • 🙋‍♀️ Yapay Sinir Ağları ile Derin Öğrenme'nin Hello World'u
    • 🌱Giriş
    • 🌐Tarayıcıda CNNler
  • 🚪Bilgisayar Görüşüne Giriş
    • 🌱Giriş
  • 🚩Evrişimli Sinir Ağları Kavramları
    • 🌱Giriş
    • 📌Evrişimli Sinir Ağları ile İlgili Genel Kavramlar
    • 🌟Evrişimli Sinir Ağları Gelişmiş Kavramları
    • 👀Evrişimli Sinir Ağlarının Görselleştirilmesi
    • 👵Klasik Evrişimli Sinir Ağları
    • ✨CNN'leri Kurmak İçin Diğer Yaklaşımlar
    • 🕸️CNN'lerin Popüler Uygulamaları
  • 👩‍💻 CNN'ler Üzerinde Kodlar ve Notlar
    • 🌱Giriş
  • 💄Derin Öğrenmenin Popüler Stratejileri
    • 🌱Giriş
    • 🚙Öğrenme Aktarması (Transfer Learning)
    • 📚Derin Öğrenmede Diğer Stratejiler
  • 🤡Resim Artırma (Image Augmentation)
    • 🌱Giriş
  • 🤸‍♀️ Uygulamalı Makine Öğrenmesi Üzerine Notlar
    • 🌱Giriş
    • 👩‍🔧 Makine Öğrenimi Projelerinin Yapılandırılması Üzerine Notlar
    • 👩‍🏫 Uygulama Talimatları
  • 🕵️‍♀️ Obje Algılama Temelleri
    • 🌱Giriş
    • ⭕Bölge Tabanlı (Region-Based) CNN'ler
    • 🤳SSD ve YOLO
    • 🤖TensorFlow Object Detection API
  • ➰Derin Öğrenmede Dizi Modelleri
    • 🌱Giriş
    • 📚Dizi Modellerinin Genel Kavramları
    • 🔄Tekrarlayan Sinir Ağları (RNN)
    • 🌌RNN'deki Vanishing Gradients
    • 🌚Kelime Gösterimi
    • 💬NLP Hakkında Karışık Bilgiler
  • 📕Proje Sözlüğü
  • 📚Faydalı PDF'ler
  • 👀Hızlı Görsel Bilgiler
Powered by GitBook
On this page
  • 👗 MNIST Nedir?
  • 📚 Önemli Terim
  • 💫 Performans Hakkında Notlar
  • 👩‍💻 Kodlarım
  • 🌞 Yazının Aslı
  • 🧐 Referanslar

Was this helpful?

Export as PDF
  1. Bilgisayar Görüşüne Giriş

Giriş

🚪 Tensorflow ve Keras ile bilgisayar görüşü problemlerini çözmeye giriş

PreviousBilgisayar Görüşüne GirişNextEvrişimli Sinir Ağları Kavramları

Last updated 4 years ago

Was this helpful?

👗 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

📚 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

🌞 Yazının Aslı

🧐 Referanslar

🚪
🌱
Repo
👗 Fashion MNIST
1️⃣ Digit MNIST
🎈 Genel Akış
🎨 Detaylı Sınıflandırma
Burada 🐾
Official Documentation of Keras
More About Activation Functions