Instructions to use D3nkik/My_task with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Keras
How to use D3nkik/My_task 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://D3nkik/My_task") - Notebooks
- Google Colab
- Kaggle
Create README.md
Browse files
README.md
ADDED
|
@@ -0,0 +1,16 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
language:
|
| 3 |
+
- ru
|
| 4 |
+
library_name: keras
|
| 5 |
+
---
|
| 6 |
+
Карточка НС:
|
| 7 |
+
1)Описание задачи которую выполняет НС;
|
| 8 |
+
Модель нейронной сети, предназначена для решения задачи классификации изображений одежды с использованием датасета Fashion MNIST.
|
| 9 |
+
Задача заключается в определении категории предмета одежды на основе входного изображения.
|
| 10 |
+
2) Изображение послойной архитектуры НС на которой указаны размеры слоя, функция
|
| 11 |
+
активации;
|
| 12 |
+
|
| 13 |
+
3)Общее количество обучаемых параметров НС;
|
| 14 |
+
4)Используемый алгоритмы оптимизации и функция ошибки;
|
| 15 |
+
5)Размеры тренировочного, валидационного и тестового датасетов;
|
| 16 |
+
6)Результаты обучения модели: loss и accuracy на всех трёх датасетах.
|