---
datasets:
- mnist
language:
- ru
metrics:
- accuracy
library_name: keras
---

1. Описание задачи которую выполняет НС.
Вариант 6. Используя датасет mnist был построен автоэнкодер, принимающий на вход изображение цифры и
  создающий её же изображение на выходе.

2. Изображение послойной архитектуры НС на которой указаны размеры слоя, функция
активации.
![](arhitectura.png)

3. Общее количество обучаемых параметров НС.
Оно составляет 131457, можно увидеть в коде.
   
4. Используемый алгоритмы оптимизации и функция ошибки.
Алгоритм оптимизации - adam, функция ошибки - mse (mean_squared_error).
   
5. Размеры тренировочного, валидационного и тестового датасетов.
Тренировочный равен 48 000.
Тестовый равен 10 000.
Валидационный равен 12 000 (то есть 20% от изначального 60 000 тренировочного датасета)
   
6. Результаты обучения модели: loss и accuracy на всех трёх датасетах.
![](loss_and_accuracy.png)
Для тестового датасета loss: 0.0339 и accuracy: 0.0097

Результат обучения:
![](output.png)