Keras ile sinir ağları tanımlama

Python ile TensorFlow’a Giriş

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

İşaret dili harflerini sınıflandırma

Bu görsel işaret dili A harfini gösterir.

Bu görsel işaret dili B harfini gösterir.

Bu görsel işaret dili C harfini gösterir.

Bu görsel işaret dili D harfini gösterir.

Sequential API

Bu görsel, ilk gizli katmanda 16 düğüm, ikincisinde 8 ve çıktı katmanında 4 olan bir sinir ağını gösterir.

Sequential API

Giriş katmanı
Gizli katmanlar
Çıktı katmanı
Sırayla düzenlenir

Sıralı bir model oluşturma

# tensorflow'u içe aktarın
from tensorflow import keras

# Sıralı bir model tanımlayın
model = keras.Sequential()

# İlk gizli katmanı tanımlayın
model.add(keras.layers.Dense(16, activation='relu', input_shape=(28*28,)))

Sıralı bir model oluşturma

# İkinci gizli katmanı tanımlayın
model.add(keras.layers.Dense(8, activation='relu'))

# Çıktı katmanını tanımlayın
model.add(keras.layers.Dense(4, activation='softmax'))

# Modeli derleyin
model.compile('adam', loss='categorical_crossentropy')

# Modeli özetleyin
print(model.summary())

Functional API

Şekil, iki girişli bir sinir ağını gösteriyor.

Functional API'yi kullanma

# tensorflow'u içe aktarın
import tensorflow as tf

# Model 1 giriş katmanı şeklini tanımlayın
model1_inputs = tf.keras.Input(shape=(28*28,))

# Model 2 giriş katmanı şeklini tanımlayın
model2_inputs = tf.keras.Input(shape=(10,))

# Model 1 için katman 1'i tanımlayın
model1_layer1 = tf.keras.layers.Dense(12, activation='relu')(model1_inputs)

# Model 1 için katman 2'yi tanımlayın
model1_layer2 = tf.keras.layers.Dense(4, activation='softmax')(model1_layer1)

Functional API'yi kullanma

# Model 2 için katman 1'i tanımlayın
model2_layer1 = tf.keras.layers.Dense(8, activation='relu')(model2_inputs)

# Model 2 için katman 2'yi tanımlayın
model2_layer2 = tf.keras.layers.Dense(4, activation='softmax')(model2_layer1)

# Model 1 ve modeli 2 birleştirin
merged = tf.keras.layers.add([model1_layer2, model2_layer2])

# Functional bir model tanımlayın
model = tf.keras.Model(inputs=[model1_inputs, model2_inputs], outputs=merged)

# Modeli derleyin
model.compile('adam', loss='categorical_crossentropy')

Hadi pratik yapalım!

Python ile TensorFlow’a Giriş