Update README.md
Browse files
README.md
CHANGED
@@ -2,5 +2,30 @@
|
|
2 |
library_name: keras
|
3 |
---
|
4 |
|
5 |
-
#Модель для распознования цифр, натренерованна на наборе данных mnist
|
6 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
library_name: keras
|
3 |
---
|
4 |
|
5 |
+
#Модель для распознования цифр, которая выдает результат %2 от чисел, натренерованна на наборе данных mnist
|
6 |
+
|
7 |
+
![](osnmodel.png)
|
8 |
+
|
9 |
+
#Общее количество обучаемых параметров НС мы узнаем с помощью .summary и их число равно 209 826
|
10 |
+
#.summary выводит сводку модели машинного обучения, созданной в рамках проекта. Он позволяет увидеть количество слоев, количество нейронов в каждом слое,
|
11 |
+
#функции активации и другие параметры модели. Это помогает определить, какие данные будут входить в модель, какие выходные данные будут получены,
|
12 |
+
#какие параметры будут использоваться и какие функции потерь будут использоваться при обучении модели.
|
13 |
+
|
14 |
+
![](summary.png)
|
15 |
+
|
16 |
+
#В данной работе я использую функцию потерь categorical_crossentropy, которая используется для классификации с несколькими классами.
|
17 |
+
#В качестве оптимизатора я использую adam, который является одним из наиболее популярных оптимизаторов для обучения нейронных сетей.
|
18 |
+
|
19 |
+
#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
|
20 |
+
#поэтому тестовая 10 000, валидационная 12 000 и тренировочная 48 000 данных
|
21 |
+
|
22 |
+
#Ниже прикреплены картинки который показывают loss, accuracy на всех трех датасетах
|
23 |
+
|
24 |
+
#Точность accuracy для валидационной и обучающей
|
25 |
+
![](tochnost.png)
|
26 |
+
|
27 |
+
#Loss для валидационной и обучающей
|
28 |
+
![](loss.png)
|
29 |
+
|
30 |
+
#accuracy и loss для тестовой выборки
|
31 |
+
![](test.jpg)
|