Instructions to use Bananaws/Python_Task6 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Keras
How to use Bananaws/Python_Task6 with Keras:
# !pip install -U keras tensorflow huggingface_hub # Keras needs TensorFlow installed to read "hf://" paths, so the tensorflow backend is selected here; # "jax" and "torch" also work for computation once TensorFlow is installed. import os os.environ["KERAS_BACKEND"] = "tensorflow" import keras model = keras.saving.load_model("hf://Bananaws/Python_Task6") - Notebooks
- Google Colab
- Kaggle
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.
Изображение послойной архитектуры НС на которой указаны размеры слоя, функция активации.

Общее количество обучаемых параметров НС. Оно составляет 131457, можно увидеть в коде.
Используемый алгоритмы оптимизации и функция ошибки. Алгоритм оптимизации - adam, функция ошибки - mse (mean_squared_error).
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)
Результаты обучения модели: loss и accuracy на всех трёх датасетах.
Для тестового датасета loss: 0.0339 и accuracy: 0.0097
- Downloads last month
- -
