Giriş

Bu klasör giderek kodlar ve notlar ile doldurulacak
👩‍💻 Kodlar
1.​👶 Basic CNNs​
2.​👀 CNN Visualization​
3.​👨‍👩‍👧‍👧 Human vs Horse Classifier with CNN​
4.​🐱 Dog vs Cat Classifier with CNN 
5.​🎨 Multi-Class Classification​
6.🌐 Tensorflow.js tabanlı rakam sınıflandırıcsı
1.​Classifier.js​
2.​MNISTData.js​
3.​index.html​
✋ RPS Dataset
Rock Paper Scissors, Taş/Kağıt/Makas pozlarında farklı ellerin 2.892 görüntüsünü içeren bir veri setidir.
Taş Kağıt Makas, çeşitli ellerden, farklı ırklardan, yaşlardan ve cinsiyetlerden, Taş / Kağıt veya Makas'a pozlanmış ve etiketlenmiş görüntüler içerir.
🔎 Bu verilerin tümü beyaz bir arka plana karşı pozlandırılmıştır. Her görüntü 24bit renkte ve 300×300 pikseldir
🐛 CNN Debugging
Bizim CNN'imiz hakkında bu şekilde bilgi alabiliriz;
1
model.summary()
Copied!
Çıkış da aşağıdaki şekilde olacaktır:
1
Layer (type)                 Output Shape              Param #   
2
=================================================================
3
conv2d_18 (Conv2D)           (None, 26, 26, 64)        640       
4
_________________________________________________________________
5
max_pooling2d_18 (MaxPooling (None, 13, 13, 64)        0         
6
_________________________________________________________________
7
conv2d_19 (Conv2D)           (None, 11, 11, 64)        36928     
8
_________________________________________________________________
9
max_pooling2d_19 (MaxPooling (None, 5, 5, 64)          0         
10
_________________________________________________________________
11
flatten_9 (Flatten)          (None, 1600)              0         
12
_________________________________________________________________
13
dense_14 (Dense)             (None, 128)               204928    
14
_________________________________________________________________
15
dense_15 (Dense)             (None, 10)                1290      
16
=================================================================
Copied!
👩‍💻 Notbook'taki kod için:
​Burada 🐾
🔎 Görüntülerin orijinal boyutları 28x28 piksel
1️⃣ 1. katman: Filtre, kenarlardaki piksellere uygulanamaz 
Birinci katmanın çıkışı 26x26 px boyutundadır
2️⃣ 2. katman: 2x2 max pooling uyguladıktan sonra, boyutlar 2'ye bölünecek
Bu katmanın çıkışı 13x13 px boyutundadır
3️⃣ 3. katman: Filtre, kenarlardaki piksellere uygulanamaz 
Bu katmanın çıkışı 11x11 px boyutundadır
4️⃣ 4. katman: 2x2 max pooling uyguladıktan sonra, boyutlar 2'ye bölünecek
Bu katmanın çıkışı 5x5 px boyutundadır
5️⃣ 5. katman: Önceki katmanın çıkışı düzleşecektir (flattened olacaktır)
Bu katman 5x5x64=1600 birime sahiptir
6️⃣ 6. katman: 128 birim içerecek şekilde ayarladık
7️⃣ 7. katman: 10 kategorimiz olduğu için 10 birimden oluşmaktadır.
😵 😵
👀 Görselleştirme
Her katmanın çıktısının görselleştirilmesi burada mevcuttur 🔎
👷‍♀️ Ağ Görselleştirme Aracı
​Netron ✨✨​
🌞 Yazının Aslı
​Burada 🐾​
🧐 Referanslar
​Binary Cross-Entropy​
​RMSProp Explained​
​RMSProp in Tensorflow​
​Binary Classification​
​TensorFlow: an ML platform for solving impactful and challenging problems​
​Rock Paper Scissors Dataset​

👩‍💻 CNN'ler Üzerinde Kodlar ve Notlar

Derin Öğrenmenin Popüler Stratejileri

Last modified 2yr ago

Export as PDF

Copy link

Contents

👷‍♀️ Ağ Görselleştirme Aracı

🌞 Yazının Aslı

🧐 Referanslar