Распознавание класса изображений на датасете mnist.
Задача НС
Сама модель распознаёт к какому из 10 классов относится изображение.
Изображение послойной архитектуры:
Общее количество обучаемых параметров
Обучаемых параметров: 54,410
Используемые алгоритмы оптимизации и функция ошибки
Алгоритм оптимизации - adam
Функция ошибки - categorical_crossentropy
Размеры тренировочного, валидационного и тестового датасетов:
Тренировочный: 60000 Тестовый: 10000 Валидационный(тестовый): 10000
Результаты обучения модели: loss и accuracy на всех трёх датасетах:
Train Loss: 0.15321196615695953 Train Accuracy: 0.9462166428565979
Test Loss: 0.26492342352867126 Test Accuracy: 0.9081000089645386
Validation Loss: 0.26492342352867126 Validation Accuracy: 0.9081000089645386
Результаты работы программы и нейросети:
