# Custom CNN Model

Bu fonksiyon bloğu, giriş görüntülerine dayanarak tahminler yapmak için bir TensorFlow AI modelini yüklemek amacıyla kullanılır. Kullanıcıların iş akışlarına makine öğrenimi modellerini kolayca entegre etmelerine olanak tanır.

## 📥 Girdiler <a href="#inputs" id="inputs"></a>

`Image Any` Tahmin için AI modeline beslenen bir görüntü girişi.

## 📤 Çıktılar <a href="#outputs" id="outputs"></a>

`Class Index (Detected)` Bu çıktı, modelin tahminine dayanan tespit edilen sınıfın indeksini sağlar.

`Class Name (Detected)` Bu çıktı, modelin çıktısından tespit edilen sınıfın adını sağlar.

`Detection Result (Raw Output)` Bu çıktı, modelden gelen ham sonuçları içerir; ileri analiz veya hata ayıklama için faydalıdır.

## 🕹️ Kontroller <a href="#controls" id="controls"></a>

`Load Model` Kullanıcıların sistemlerinden önceden eğitilmiş bir TensorFlow veya TensorFlow Lite modelini yüklemelerine olanak tanıyan bir düğme.

`Classes Text` Bu metin alanı, AI modelinin tespit edebileceği sınıfların listesini görüntüler ve modelin hangi konularda eğitildiği hakkında bilgi verir.

## 🎨 Özellikler <a href="#features" id="features"></a>

`Support for Multiple Model Formats` Bu blok, TensorFlow `.h5` modelleri ve TensorFlow Lite `.tflite` modellerini yükleyebilir, bu da model seçiminde esneklik sağlar.

`Detection Results Visualization` Çıktı, tespit edilen sınıf indeksini ve adını gösterir, sonucu anlamayı kolaylaştırır.

`Error Handling` Geçersiz yollar veya yapılandırmalar gibi yükleme hataları hakkında bilgi sağlar ve sorun gidermeye yardımcı olur.

## 📝 Kullanım Talimatları <a href="#usage" id="usage"></a>

1. **Load Model**: AI modelinizi seçmek ve yüklemek için `Load Model` düğmesine tıklayın. TensorFlow modelini (`*.h5`) veya TensorFlow Lite modelini (`*.tflite`) seçebilirsiniz.
2. **Input Image**: `Image Any` girişine bir görüntü üreten bloku bağlayın.
3. **Run the Block**: Yüklenen model ile giriş görüntüsünü işlemek için bloğu çalıştırın. Çıktılar, tahmin edilen sınıf indeksini, sınıf adını ve ham çıktıyı sağlayacaktır.

## 📊 Değerlendirme <a href="#evaluation" id="evaluation"></a>

Çalıştırıldığında, bu fonksiyon bloğu yüklenen modeli kullanarak giriş görüntüsünün sınıfını tahmin eder ve tahmin edilen sınıf indeksi, adı ve ham çıktı verilerini içeren sonuçlar döndürür.

## 💡 İpuçları ve Püf Noktaları <a href="#tips-and-tricks" id="tips-and-tricks"></a>

<details>

<summary>Model Uyumluluğu</summary>

Yüklediğiniz modelin beklenen giriş formatı ile uyumlu olduğundan emin olun. Belirli giriş boyutları veya türleri üzerinde eğitilmiş modeller, giriş görüntüsü eşleşmiyorsa başarısız olabilir.

</details>

<details>

<summary>Sınıf Adları Görselleştirmesi</summary>

Modeli yükledikten sonra, modelin tespit edebileceği sınıfları görmek için `Classes Text` alanını kontrol edin. Bu bilgi, sonuçları doğru yorumlamak için kritik öneme sahiptir.

</details>

<details>

<summary>Ham Çıktı Analizi</summary>

Modelin tahminleri hakkında daha derin bilgi edinmek için ham çıktı verilerini inceleyin. Bu, belirli girişler için model davranışını hata ayıklamakta yardımcı olabilir.

</details>

## 🛠️ Sorun Giderme <a href="#troubleshooting" id="troubleshooting"></a>

<details>

<summary>Model Yüklenmedi Hatası</summary>

Eğer modelin yüklenmediği ile ilgili bir hata alıyorsanız, `Load Model` düğmesine tıkladığınızdan ve geçerli bir model dosyası seçtiğinizden emin olun.

</details>

<details>

<summary>Geçersiz Sınıf İndeksi</summary>

Eğer `Class Index (Detected)` çıktısı beklenmedik bir değer döndürürse, giriş görüntüsünün modelin gerektirdiği formatı karşıladığından ve modelin bu tür bir girişi tanımak üzere eğitildiğinden emin olun.

</details>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.augelab.com/turkish/fonksiyon-bloklari/detections-shapes/detectors/custom-cnn-model.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.