| # 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: | |
|  |