# 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)