TensorFlow ile İlk Sinir Ağınızı Oluşturma

Bu derste TensorFlow kullanarak basit bir ileri beslemeli sinir ağı oluşturacağız. TensorFlow, makine öğrenimi modelleri oluşturmak ve eğitmek için kullanılan popüler bir çerçevedir.

1. Adım: TensorFlow Kurulumu

Öncelikle TensorFlow'un kurulu olduğundan emin olun. Kurulu değilse şu komutla yükleyebilirsiniz:

pip install tensorflow

Ayrıca bu ders için gerekli kitaplıkları içe aktaracağız.

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import numpy as np

2. Adım: Veri Kümesini Hazırlama

Bu örnekte, girdinin tek bir özellikten, çıktının ise bu özelliğin iki katından oluştuğu basit bir veri kümesi kullanacağız:

# Generate sample data
X = np.array([[1], [2], [3], [4], [5]], dtype=float)
y = np.array([[2], [4], [6], [8], [10]], dtype=float)

3. Adım: Modeli Oluşturma

Bir girdi katmanı, bir gizli katman ve bir çıktı katmanından oluşan basit bir model oluşturacağız. Gizli katmanda ReLU etkinleştirme fonksiyonu kullanılacak.

# Create the model
model = Sequential([
    Dense(10, activation='relu', input_shape=(1,)),  # Hidden layer with 10 neurons
    Dense(1)  # Output layer with 1 neuron
])

4. Adım: Modeli Derleme

Modeli şu bileşenlerle derleriz:

• Kayıp Fonksiyonu: Regresyon görevleri için Ortalama Karesel Hata.
• Eniyileyici: Stokastik Gradyan İnişi (SGD).

# Compile the model
model.compile(optimizer='sgd', loss='mean_squared_error')

5. Adım: Modeli Eğitme

Modeli, eğitim verilerini kullanarak 500 eğitim döngüsü boyunca eğitiriz. Eğitim sırasında model, kaybı en aza indirmeyi öğrenir.

# Train the model
model.fit(X, y, epochs=500, verbose=1)

6. Adım: Tahmin Yapma

Eğitimden sonra modeli yeni veriler üzerinde tahmin yapmak için kullanabiliriz:

# Predict on new data
print(model.predict([6]))

7. Adım: Modeli Değerlendirme

Örüntüyü doğru şekilde öğrendiğinden emin olmak için modelin başarımını eğitim verileri üzerinde değerlendiririz:

# Evaluate the model
loss = model.evaluate(X, y)
print(f"Loss: {loss}")

Gerçek Dünya Uygulamaları

TensorFlow kullanılarak oluşturulan ileri beslemeli sinir ağları şu alanlarda kullanılabilir:

• Tahmine Dayalı Analiz: Satışları ve eğilimleri öngörme.
• Sınıflandırma: İstenmeyen iletileri ve dolandırıcılığı tespit etme.
• Regresyon: Fiyat tahmini ve talep öngörüsü.

Özet ve Sonraki Adımlar

Bu derste:

• TensorFlow kullanarak basit bir sinir ağı oluşturduk ve eğittik.
• Veri kümesini hazırlama, model oluşturma, derleme ve eğitim gibi temel adımları öğrendik.
• Tahminler yaptık ve modelin başarımını değerlendirdik.

Sonraki derste, sinir ağlarının görüntü işleme görevleri için evrişimli sinir ağları gibi daha gelişmiş mimarilere nasıl genişletildiğini inceleyeceğiz.