Instructions to use JustBlood/Python_Final_Task_Porozov with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Keras
How to use JustBlood/Python_Final_Task_Porozov 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://JustBlood/Python_Final_Task_Porozov") - Notebooks
- Google Colab
- Kaggle
File size: 2,251 Bytes
8a029ed 02f5fd4 00e1ad2 8a029ed 00e1ad2 8a029ed 00e1ad2 8a029ed 00e1ad2 8a029ed 00e1ad2 2ce63ea acab8bd | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 | ---
language:
- ru
metrics:
- accuracy
library_name: keras
---
# Порозов Кирилл - Итоговое задание. Вариант №3.
Карточка НС должна содержать:
1. Описание задачи которую выполняет НС;
2. Изображение послойной архитектуры НС на которой указаны размеры слоя, функция
активации;
3. Общее количество обучаемых параметров НС;
4. Используемый алгоритмы оптимизации и функция ошибки;
5. Размеры тренировочного, валидационного и тестового датасетов;
6. Результаты обучения модели: loss и accuracy на всех трёх датасетах
# Описание задачи
Дан датасет mnist по входному изображению определить остаток от деления этой цифры
на 3;
# Послойная архитектура НС

# Общее количество обучаемых параметров НС

# Используемые алгоритмы оптимизации и функция ошибки
1. Использованная **функция ошибки** - **категориальная кроссэнтропия** для повышения качества нейронной сети
2. Использованный **алгоритм оптимизации - adam** из Keras

# Размеры тренировочного, валидационного и тестового датасетов:
1. Размер тренировочного датаеста: **60.000** фото 28х28
2. Размер валидационного датасета: 10% от тренировочного = **6.000** фото 28х28
3. Размер тестового датасета: **10.000** фото 28х28
# Результаты обучения модели

## Наглядная демонстрация предсказаний модели:
 |