Choose Folder 2D

Bu fonksiyon bloğu, yapılandırılmış klasörlere organize edilmiş görüntü verilerini içeren bir dizini seçmek için kullanılır. 2D evrişimli sinir ağı (CNN) için veri hazırlığını kolaylaştırmak üzere tasarlanmıştır.

📥 Girdiler

Bu fonksiyon bloğunun herhangi bir girişi yoktur.

📤 Çıktılar

PNNModel Bu çıktı, modelin yolunu ve veri setinden türetilen sınıfları içeren model yapılandırmasını sağlar.

🕹️ Kontroller

Channel Size Görüntüleri okuma renk modunu belirtmenizi sağlayan bir açılır menü (örneğin, Gri tonlamalı veya RGB).

Data Augmentation Eğitim sürecinde veri artırmayı etkinleştiren veya devre dışı bırakan bir onay kutusu. Bu, modelin sağlamlığını artırmaya yardımcı olabilir.

Choose Folder Yapılandırılmış veri setini içeren klasörü seçmek için tıklandığında bir iletişim kutusu açan bir buton.

🎨 Özellikler

Structured Folder Support Blok, model eğitimi için verilerin doğru bir şekilde organize edildiğinden emin olmak amacıyla belirli bir klasör yapısını (train, validation ve test) kontrol eder.

Class Logging Kullanıcı referansı için eğitim veri dizininde bulunan sınıf isimlerini otomatik olarak kaydeder.

📝 Kullanım Talimatları

1. Select Folder: Choose Folder butonuna tıklayarak görüntülerinizi içeren dizini bulun. Klasör, train, validation ve isteğe bağlı olarak test için alt dizinlere sahip olmalıdır.

2. Configure Channel Size: Açılır menüyü kullanarak istenen görüntü okuma modunu (Gri tonlamalı veya RGB) seçin.

3. Toggle Data Augmentation: Eğitim sırasında artırma uygulamak isteyip istemediğinize bağlı olarak Data Augmentation seçeneğini işaretleyin veya işaretini kaldırın.

4. Evaluate: Seçilen veri setine göre bir model yapılandırması döndürmek için fonksiyon bloğunu çalıştırın.

📊 Değerlendirme

Çalıştırıldığında, bu fonksiyon bloğu seçilen klasör yapısını kontrol eder, ilgili sınıfları kaydeder ve bir CNN’in eğitimi için gerekli yapılandırmaları sağlar, böylece daha fazla işleme için yapılandırılmış bir çıktı döner.

🛠️ Sorun Giderme

Klasör Bulunamadı

Seçilen klasörün geçerli olduğundan ve gerekli alt klasörleri (train, validation ve test) içerdiğinden emin olun. Eksik olanlar varsa, blok hata kaydı yapacaktır.

Sınıf Bulunamadı

Klasör yapısı doğruysa ancak sınıflar eksikse, train klasörü içindeki dizinlerin dolu olup olmadığını kontrol edin. train klasörü içindeki her alt dizin bir sınıfı temsil etmelidir.

Kanal Boyutu için Geçersiz Girdi

Seçilen kanal boyutu için seçiminizin dizindeki görüntü formatlarıyla eşleştiğinden emin olun. Görüntüler, ya RGB ya da Gri tonlamalı olmalıdır.

💡 İpuçları ve Püf Noktaları

Verileri Verimli Bir Şekilde Düzenleme

Her zaman veri setinizi train, validation ve test klasörleri içinde uygun sınıf dizinleri ile yapılandırın. Bu, eğitim ve değerlendirme için veri akışını otomatik olarak yönetmeye yardımcı olur.

Veri Artırma Kullanma

Veri artırma, veri setinde çeşitlilik sağlayarak model performansını büyük ölçüde artırabilir. Ancak, artırma ayarlarının spesifik model ihtiyaçlarınıza uygun olduğundan emin olun.

Klasör Sorunlarını Giderme

Ortamınızdaki hata ayıklama özelliklerini kullanarak DEBUG değişkenini doğru ayarlayın; bu, klasör yapısı ve sınıf tespiti hakkında ek bilgiler kaydedebilir.