Skip to content
No description, website, or topics provided.
Jupyter Notebook Other
Branch: master
Clone or download
Fetching latest commit…
Cannot retrieve the latest commit at this time.
Permalink
Type Name Latest commit message Commit time
Failed to load latest commit information.
1. Başlagıç
2. OpenCV Çizgi Algılama
2.1 OpenCV Orta Çizgiyi Hesaplama
3. Makine Öğrenimi
4. Derin Sinir Ağları
5. Çoklu Sınıflandırma
6. Derin Öğrenme
7. Evirişimli Sinir Ağları
8. Polynomal Regresyon
9. Traffik İşaretlerini Algılama
a1. Davranış Klonlama
a1. Model Kullanımı
a3. Kapanış
kaynaklar
.gitattributes
.gitignore
LICENSE
README.md
git_remote_fixer.sh
ymarkdown_manager.py
ymm.ini

README.md

Self Driven Car Course

The Complete Self-Driving Car Course - Applied Deep Learning 🚗 kursu üzerindeki çalışmalarımı temel almaktadır.

  • Genel python çalışmalarım, oluşturduğum ek notlara buraya tıklayarak ulaşabilirsin.
  • Microsoft ML cheat sheet için buraya bakabilirsin.

İçerikler

Temel Notlar

Notebook (.ipynb) dosyalarını açmak için

Google Colab

Google colab ile notbook dosyalarını (.ipybn) buraya tıklayarak çalıştırabilirsin.

İndirme gerektirmez, bulut üzerinden çalışır ve oldukça hızlıdır. (Bilgisayarını yormaz)

Runtime - Change Runtime Type - Hardware Accelator - GPU seçmeyi unutmayın.

Anaconda - Jupyter Lab

Anaconda3 indirerek, uygulama üzerinden jupyter lab'ı kullanabilirsin.

Google Colab kullanman önerilir. Makine öğrenimi işlemleri cpu / gpu yoran işlemlerdir. Kendi bilgisayarını yorma :)

Hazır Modeller

Tensotflow öğrenilmiş modeller için buraya tıklayabilirsin.


1. Başlagıç

2. OpenCV Çizgi Algılama

Yol resmindeki şeritleri algılama ve çizgileri oluşturma

Çizgileri Bulma

2.1 OpenCV Orta Çizgiyi Hesaplama

3. Makine Öğrenimi

Nokta kümesine uygun optimum referans çizgisini supervised learning sistemi ve classification yöntemi ile belirleme

ML1

4. Derin Sinir Ağları

Nokta kümesine uygun referans alanı oluşturma

Tensorflow oynama alanına buraya tıklayarak erişebilirsin.

  • Supervised Learning
  • Problem Type: Classification
  • Activition: Sigmoid
  • Epoch = 100
  • Learning Rate = 0.1

Kırmızı nokta bilinmeyen bir girdiyi temsil eder.

DNN

5. Çoklu Sınıflandırma

0, 1 Türünde one encoded output yerine, 0, 1, 2, 3, 4, ... şeklinde hot encoded ouput üzerinde uygun referans alanı oluşturma

  • Supervised Learning
  • Problem Type: Multi-Classification
  • Activition: Softmax
  • Epoch = 100

Beyaz nokta bilinmeyen bir girdiyi temsil eder.

MC

6. Derin Öğrenme

  • Çok fazla ve gerçek veriler üzerinde işlemler yapılmıştır.
  • Gerekli katmanlar kullanılmadığı için hatalıdır.

7. Evirişimli Sinir Ağları

  • Özel katmanlar kullanılmıştır.

    • Conv Layer
    • Pool Layer
    • Flatten Layer
    • Dropout Layer
  • Katmanların çıktıları görselleştirilmiştir.

Bu aşamadan itibaren jupyter lab yerine google colab kullanılması tavsiye edilir. Sistemi yoracak işlemlere başlanmıştır.

8. Polynomal Regresyon

Bu aşamadan itibaren jupyter lab yerine google colab kullanılması tavsiye edilir. Sistemi yoracak işlemlere başlanmıştır.

9. Traffik İşaretlerini Algılama

a1. Davranış Klonlama

a1. Model Kullanımı

a3. Kapanış

final

You can’t perform that action at this time.