|
# Распознавание класса изображений на датасете mnist. |
|
|
|
# Задача НС |
|
|
|
Сама модель распознаёт к какому из 10 классов относится изображение. |
|
|
|
## Изображение послойной архитектуры: |
|
|
|
![Изображение послойной архитектуры](./model.png) |
|
|
|
## 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: |
|
![](work.png) |