|
--- |
|
library_name: keras |
|
--- |
|
|
|
Модель для распознования цифр, которая выдает результат %2 от чисел, натренерованна на наборе данных mnist |
|
|
|
![](osnmodel.png) |
|
|
|
Общее количество обучаемых параметров НС мы узнаем с помощью .summary и их число равно 209 826 |
|
.summary выводит сводку модели машинного обучения, созданной в рамках проекта. Он позволяет увидеть количество слоев, количество нейронов в каждом слое, |
|
функции активации и другие параметры модели. Это помогает определить, какие данные будут входить в модель, какие выходные данные будут получены, |
|
какие параметры будут использоваться и какие функции потерь будут использоваться при обучении модели. |
|
|
|
![](summary.jpg) |
|
|
|
В данной работе я использую функцию потерь categorical_crossentropy, которая используется для классификации с несколькими классами. |
|
В качестве оптимизатора я использую adam, который является одним из наиболее популярных оптимизаторов для обучения нейронных сетей. |
|
|
|
Так как в данной работе я использую Mnist, он содержит 70 000 рукописных чисел, при чем 10 000 это тестовая выборка, 60 000 тренировочная, но в ней 20% являются валидационными |
|
поэтому тестовая 10 000, валидационная 12 000 и тренировочная 48 000 данных |
|
|
|
Ниже прикреплены картинки который показывают loss, accuracy на всех трех датасетах |
|
|
|
Точность accuracy для валидационной и обучающей |
|
![](tochnost.png) |
|
|
|
Loss для валидационной и обучающей |
|
![](loss.png) |
|
|
|
accuracy и loss для тестовой выборки |
|
![](test.jpg) |
|
|