imaginepeach/hochuzachetpls

1. Автоэнкодер для сжатия и и восстановления изображений, в данном примере изображений цифр
2. Изображение послойной архитектуры НС на которой указаны размеры слоя, функция активации (энкодер и декодер, названия функций активаций с цифрами из-за особенностей функции plot_model)

3. Общее количество обучаемых параметров НС

Общее количество обучаемых параметров НС: 489363

total_params = autoenc.count_params() print("Общее количество обучаемых параметров НС:", total_params)

5. Используемый алгоритмы оптимизации и функция ошибки

Алгоритм оптимизации: adam

Функция ошибки: mean_squared_error (среднеквадратичная ошибка)

5. Размеры тренировочного, валидационного и тестового датасетов;

Размер тренировочного датасета: 48000 Размер валидационного датасета: 12000 Размер тестового датасета: 10000

(train_size = len(train_x) val_size = len(val_x) test_size = len(test_x))

6. Результаты обучения модели: loss и accuracy на всех трёх датасетах

Loss на тренировочном датасете: 0.033324986696243286 Accuracy на тренировочном датасете: 0.009708333760499954 Loss на валидационном датасете: 0.03425576910376549 Accuracy на валидационном датасете: 0.0100833335891366 Loss на тестовом датасете: 0.034134093672037125 Accuracy на тестовом датасете: 0.011500000022351742

Пример работы