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
|
Download README.md from JustBlood/Python_Final_Task_Porozov: direct link, hf CLI and curl.
- Browser
- Download file 2.25 kB
-
https://huggingface.co/JustBlood/Python_Final_Task_Porozov/resolve/main/README.md
- Command line
-
hf download hf://JustBlood/Python_Final_Task_Porozov/README.md
-
curl -L -o README.md https://huggingface.co/JustBlood/Python_Final_Task_Porozov/resolve/main/README.md
2.25 kB
metadata
language:
- ru
metrics:
- accuracy
library_name: keras
Порозов Кирилл - Итоговое задание. Вариант №3.
Карточка НС должна содержать:
- Описание задачи которую выполняет НС;
- Изображение послойной архитектуры НС на которой указаны размеры слоя, функция активации;
- Общее количество обучаемых параметров НС;
- Используемый алгоритмы оптимизации и функция ошибки;
- Размеры тренировочного, валидационного и тестового датасетов;
- 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
- Использованная функция ошибки - категориальная кроссэнтропия для повышения качества нейронной сети
- Использованный алгоритм оптимизации - adam из Keras

Размеры тренировочного, валидационного и тестового датасетов:
- Размер тренировочного датаеста: 60.000 фото 28х28
- Размер валидационного датасета: 10% от тренировочного = 6.000 фото 28х28
- Размер тестового датасета: 10.000 фото 28х28



