PyTorch ile MNIST El Yazısı Rakam Tanıma Bu proje, popüler MNIST veri setini kullanarak el yazısı rakamları sınıflandırmak için PyTorch ile oluşturulmuş basit bir sinir ağı modelini içerir. Proje, bir derin öğrenme modelinin veri yükleme, eğitim, kaydetme ve sonuçları görselleştirme gibi temel yaşam döngüsünü göstermektedir.

Uyarı: Projenin sorunsuzca çalışması için bir kez eğitim verisini yükleme ve dataset yüklenmesi için train betiği çalıştırılmalıdır.

Proje Çıktısı (Örnek) generate.py betiği çalıştırıldığında, eğitilmiş modelin daha önce görmediği rakamlar üzerindeki tahminlerini gösteren bir görsel üretir. Bu, modelin başarısını görsel olarak teyit eder. görselleri görebilmek için "örnek çıktılar" klasörüne bakabilirsiniz.

Özellikler Model: core.py içerisinde tanımlanan, iki tam bağlantılı katmandan (784 -> 64 -> 10) ve Leaky ReLU aktivasyon fonksiyonundan oluşan basit bir sinir ağı mimarisi.

Eğitim: Model, standart CrossEntropyLoss kayıp fonksiyonu ve Adam optimizer kullanılarak 10 epoch boyunca MNIST eğitim verileriyle eğitilir. Eğitim süreci konsola her epoch için kayıp (loss) değerini yazdırır.

Görselleştirme: generate.py betiği, kaydedilmiş olan mnist_model.pth modelini yükler ve rastgele bir grup rakam üzerinde tahmin yaparak sonuçları matplotlib ile görselleştirir.

Kullanılan Teknolojiler Python 3.x

PyTorch

Torchvision

Matplotlib

NumPy