Keras ile Python Derin Öğrenme nedir? Python ile Derin Öğrenme(Deep Learning) araştırma ve geliştirmesinin temelini oluşturan en iyi platformlardan ikisi Theano ve TensorFlow’dur. Her ikisi de çok iyi kütüphanelerdir, ancak her ikisinin de derin öğrenme modelleri oluşturmak için doğrudan kullanılması zor olabilir. Keras ile Python Derin Öğrenme nedir yazısında, Theano veya TensorFlow’un üzerinde bir dizi derin öğrenme modeli oluşturmanın kullanışlı bir yolunu sağlayan Keras Python kütüphanesini öğreneceğiz.

Keras nedir?

Keras, Theano veya TensorFlow üzerinde çalışabilen, derin öğrenmeye yönelik minimalist bir Python kütüphanesidir.

Araştırma ve geliştirme için derin öğrenme modellerinin olabildiğince hızlı ve kolay uygulanmasını sağlamak için geliştirilmiştir.

Python 2.7 veya 3.5 üzerinde çalışır ve temel frameworklere göre GPU’lar ve CPU’lar üzerinde sorunsuz bir şekilde çalışabilir. 

Keras, dört temel ilkeyi kullanan bir Google mühendisi olan François Chollet tarafından geliştirildi ve sürdürüldü :

  • Modülerlik : Bir model, tek başına bir dizi veya grafik olarak anlaşılabilir. Bir derin öğrenme modelinin tüm işi, rastgele şekillerde birleştirilebilen ayrık bileşenlerdir.
  • Minimalizm : Kütüphane, bir sonuca ulaşmak için yeterli, gösterişsiz ve okunabilirliği en üst düzeye çıkarır.
  • Genişletilebilirlik : Araştırmacıların yeni fikirleri denemesini ve keşfetmesini amaçlayan yeni bileşenlerin çerçeve içinde eklenmesi ve kullanılması kasıtlı olarak kolaydır.
  • Python : Özel dosya formatlarına sahip ayrı model dosyalar yok. Her şey native Python’dur.

Keras ile Python Derin Öğrenme nedir sorumuz için kurulum hakkında bilgi verelim.

Keras Nasıl Kurulur

Halihazırda çalışan bir Python ve SciPy ortamınız varsa Keras’ı yüklemek nispeten kolaydır.

Ayrıca sisteminizde zaten bir Theano veya TensorFlow kurulumuna sahip olmalısınız.

Her iki platform için kurulum talimatlarını burada görebilirsiniz:

Keras, PyPI kullanılarak aşağıdaki şekilde kolayca kurulabilir :

->sudo pip install keras

Aşağıdaki parçacığı kullanarak komut satırında Keras sürümünüzü kontrol edebilirsiniz:

Aşağıdaki parçacığı kullanarak komut satırında Keras sürümünüzü kontrol edebilirsiniz:

->python -c “import keras; print keras.__version__”

Aynı yöntemi kullanarak Keras yüklemenizi yükseltebilirsiniz:

->sudo pip install –upgrade keras

Keras ile Python Derin Öğrenme nedir sorumuz için backend kısmından bahsedelim.

Keras için Theano ve TensorFlow Backend

Hem Theano hem de TensorFlow’un kurulu olduğunu varsayarsak, Keras’ın backend’i kullanarak yapılandırabilirsiniz.

En kolay yol, Keras yapılandırma dosyasını ana dizininize eklemek veya düzenlemektir:

-> ~/.keras/keras.json

Formata sahip olan:

{  “image_data_format”: “channels_last”,    “backend”: “tensorflow”,    “epsilon”: 1e-07,    “floatx”: “float32” }

Bu yapılandırma dosyasında “backend” özelliğini “tensorflow” dan (varsayılan) “theano” olarak değiştirebilirsiniz. Keras daha sonra yapılandırmayı bir sonraki çalıştırmada kullanacaktır.

Keras tarafından kullanılan arka ucu komut satırında aşağıdaki parçacığı kullanarak onaylayabilirsiniz:

-> python -c “from keras import backend; print(backend.backend())”

Bunu varsayılan yapılandırma ile çalıştırdığınızda şunu göreceksiniz:

-> Using TensorFlow backend.tensorflow

Ayrıca aşağıdaki gibi KERAS_BACKEND ortam değişkenini belirterek Keras tarafından komut satırında kullanılacak arka ucu da belirtebilirsiniz:

-> KERAS_BACKEND=theano python -c “from keras import backend; print(backend.backend())”

Bu örneği çalıştırdığınızda şunu yazdırır:

-> Using Theano backend.theano

Keras ile Python Derin Öğrenme nedir sorumuz için öğrenme modellerinden bahsedelim.

Keras ile Derin Öğrenme Modelleri Oluşturun

Keras’ın odak noktası model fikridir.

Ana model türü, doğrusal bir katman yığını olan dizi olarak adlandırılır.

Bir dizi oluşturursunuz ve hesaplamanın gerçekleştirilmesini istediğiniz sırayla ona katmanlar eklersiniz.

Bir kez tanımlandıktan sonra, modeliniz tarafından gerçekleştirilecek hesaplamayı optimize etmek için temel framework’den yararlanan modeli derlersiniz. 

Model derlendikten sonra verilere uygun olmalıdır. Bu, bir seferde tek bir veri yığınıyla veya tüm öğrenme modelini derleyerek yapılabilir. Burası tüm hesaplamanın gerçekleştiği yerdir.

Eğitildikten sonra, modelinizi yeni veriler üzerinde tahminler yapmak için kullanabilirsiniz.

Keras’ta derin öğrenme modellerinin oluşturulmasını şu şekilde özetleyebiliriz:

  1. Modelinizi tanımlayın . Bir dizi oluşturun ve katmanlar ekleyin.
  2. Modelinizi derleyin . Kayıp işlevlerini ve optimize edicileri belirtin.
  3. Modelinize uyun . Modeli verileri kullanarak yürütün.
  4. Tahminler yapın . Yeni verilerle ilgili tahminler oluşturmak için modeli kullanın.

Keras Kaynakları

Aşağıdaki liste, Keras hakkında daha fazla bilgi edinmek için kullanabileceğiniz bazı ek kaynakları sağlar.

Daha fazla bilgi için bizimle iletişime geçebilirsiniz.