|
|
|
--- |
|
tags: |
|
- autoencoder |
|
- fashion-mnist |
|
- pytorch |
|
- huggingface |
|
|
|
--- |
|
|
|
# Энкодер на датасете fashion_mnist |
|
|
|
## Задача |
|
Построить автоэнкодер для датасета Fashion MNIST, который будет принимать на вход изображение и создавать его же изображение на выходе. |
|
|
|
## Архитектура |
|
Нейросеть состоит из следующих слоев: |
|
1.Входной слой, принимающий изображение |
|
2.Полносвязный слой с 256 нейронами и функцией активации ReLU |
|
3.Полносвязный слой с 128 нейронами и функцией активации ReLU |
|
4.Скрытый слой, имеющий 50 нейронов и функцию активации ReLU |
|
5.Полносвязный слой с 128 нейронами и функцией активации ReLU |
|
6.Полносвязный слой с 256 нейронами и функцией активации ReLU |
|
7.Выходной слой с функцией активации сигмоид, который производит декодирование изображения |
|
8.Выходной слой, преобразующий выходную карту признаков в изображение |
|
 |
|
|
|
## Общее количество обучаемых параметров |
|
Автоэнкодер содержит 235,978 обучаемых параметров |
|
|
|
## Функция оптимизации и функция ошибок |
|
Алгоритм оптимизации - Adam, функция ошибок - бинарная кросс-энтропия. |
|
|
|
## Размеры датасета |
|
- Тренировочный датасет: 48,000 изображений |
|
- Валидационный датасет: 16,000 изображений |
|
- Тестовый датасет: 16,000 изображений |
|
|
|
## Результаты обучения модели на всех трех датасетах |
|
После 50 эпох обучения модели на тренировочном датасете, результаты на трех датасетах такие: |
|
- Train Loss: 0.26351 |
|
- Train Accuracy: 0.27152 |
|
- Val Loss: 0.26502 |
|
- Val Accuracy: 0.26352 |
|
- Test Loss: 0.26442 |
|
- Test Accuracy:0.26600 |
|
|
