Upload 4 files

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+mnist_augmented_model.keras filter=lfs diff=lfs merge=lfs -text

README.md

@@ -1,11 +1,14 @@
----
-title: Mnist Data Augmentation
-emoji: 🏃
-colorFrom: green
-colorTo: indigo
-sdk: docker
-pinned: false
-license: mit
----
+# MNIST Data Augmentation App 🧠
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+Bu uygulama, TensorFlow ve Streamlit kullanılarak hazırlanmış bir MNIST görüntü artırma ve tahmin projesidir.
+
+## Özellikler
+- Kullanıcının yüklediği el yazısı rakam görüntüsünü alır.
+- Görüntü artırma (flip, parlaklık, kontrast) uygular.
+- Eğitilmiş CNN modeliyle tahmin yapar.
+
+## Çalıştırmak için:
+```
+pip install -r requirements.txt
+streamlit run app.py
+```

app.py

@@ -0,0 +1,38 @@
+import os
+import streamlit as st
+import tensorflow as tf
+import numpy as np
+from PIL import Image
+
+# Uyarıları sustur
+os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
+
+# Modeli yükle
+model = tf.keras.models.load_model("mnist_augmented_model.keras")
+
+st.title("🧠 MNIST Görüntü Artırma ve Tahmin")
+
+uploaded_file = st.file_uploader("28x28 boyutunda bir el yazısı rakam görseli yükleyin", type=["png", "jpg", "jpeg"])
+
+if uploaded_file is not None:
+    image = Image.open(uploaded_file).convert("L").resize((28, 28))
+    st.image(image, caption="Orijinal Görsel", width=150)
+
+    img_array = np.array(image).astype("float32") / 255.0
+    img_array = np.expand_dims(img_array, axis=-1)
+    img_array = np.expand_dims(img_array, axis=0)
+
+    def augment(image):
+        image = tf.image.random_flip_left_right(image)
+        image = tf.image.random_brightness(image, max_delta=0.1)
+        image = tf.image.random_contrast(image, 0.8, 1.2)
+        return image
+
+    augmented = augment(tf.convert_to_tensor(img_array[0])).numpy()
+
+    st.image([img_array[0].squeeze(), augmented.squeeze()], caption=["Orijinal", "Artırılmış"], width=150)
+
+    prediction = model.predict(img_array)
+    predicted_class = np.argmax(prediction)
+
+    st.success(f"Modelin Tahmini: {predicted_class}")

mnist_augmented_model.keras

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:5c9857bdcc0b52c38c6e57eaecb8d722f37428cfede21bdd0e25ff7c04caa476
+size 2737792

requirements.txt

@@ -0,0 +1,4 @@
+tensorflow-cpu==2.13.0
+streamlit
+Pillow
+matplotlib