🌱Giriş
🚪 Tensorflow ve Keras ile bilgisayar görüşü problemlerini çözmeye giriş
Last updated
🚪 Tensorflow ve Keras ile bilgisayar görüşü problemlerini çözmeye giriş
Last updated
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
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 💥
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