kuul
merhaba,deep learning kullanarak röntgen görüntüleri üzerinde bir sınıflandırma çalışması yapıyorum. normalde mühendis falan değilim, kod bilgim çok da iyi değil o yüzden son bir adım var takılı kaldım. şimdi elimdeki datada 5 ayrı directory altında resimler içeren bir train sınıfı var. sorularım şö
merhaba,
deep learning kullanarak röntgen görüntüleri üzerinde bir sınıflandırma çalışması yapıyorum. normalde mühendis falan değilim, kod bilgim çok da iyi değil o yüzden son bir adım var takılı kaldım.
şimdi elimdeki datada 5 ayrı directory altında resimler içeren bir train sınıfı var. sorularım şöyle:
1-test datasını da aynı şekilde 5 directory içine mi koymalıyım ? böyle yapacaksam sisteme nasıl yüklicem ? yoksa test klasörü altında topluca mı bulunmalı?
2-bunları test ettikten sonra confusion matrix'i nasıl çıkarıcam ? zilyon tane şey okudum, çok basit gözüküyor ama ben yapınca olmuyor yav :/ dediğim gibi kodlama bilgim öyle çok da iyi değil. bir noktadan sonra tıkandım.
meraklısı için kodum şöyle:
colab.research.google.com
aşağıya doğru birkaç deneme yanılma var. bıraktım öyle dağınık kalsın diye.
bi el atın sevaptır yav :(
deep learning kullanarak röntgen görüntüleri üzerinde bir sınıflandırma çalışması yapıyorum. normalde mühendis falan değilim, kod bilgim çok da iyi değil o yüzden son bir adım var takılı kaldım.
şimdi elimdeki datada 5 ayrı directory altında resimler içeren bir train sınıfı var. sorularım şöyle:
1-test datasını da aynı şekilde 5 directory içine mi koymalıyım ? böyle yapacaksam sisteme nasıl yüklicem ? yoksa test klasörü altında topluca mı bulunmalı?
2-bunları test ettikten sonra confusion matrix'i nasıl çıkarıcam ? zilyon tane şey okudum, çok basit gözüküyor ama ben yapınca olmuyor yav :/ dediğim gibi kodlama bilgim öyle çok da iyi değil. bir noktadan sonra tıkandım.
meraklısı için kodum şöyle:
colab.research.google.com
aşağıya doğru birkaç deneme yanılma var. bıraktım öyle dağınık kalsın diye.
bi el atın sevaptır yav :(
0
Hocam kodda base_dır diye bir variable var. Bu variable' ın kullanıldığı yerlere sizin test ve train datalarinizin pathlerini vermeniz gerekir. Vereceğiniz pathler direkt olarak resimleri içermelidir.
Confusion matrisini de bu şekilde hesaplayabilirsiniz.
y_ = placeholder_for_labels # for eg: [1, 2, 4]
y = mycnn(...) # for eg: [2, 2, 4]
confusion = tf.confusion_matrix(labels=y_, predictions=y, num_classes=num_classes)
Confusion matrisini de bu şekilde hesaplayabilirsiniz.
y_ = placeholder_for_labels # for eg: [1, 2, 4]
y = mycnn(...) # for eg: [2, 2, 4]
confusion = tf.confusion_matrix(labels=y_, predictions=y, num_classes=num_classes)
0
