Instructions to use Pogonyalov47/Python_Task_3_Variant with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- TF-Keras
How to use Pogonyalov47/Python_Task_3_Variant with TF-Keras:
# Note: 'keras<3.x' or 'tf_keras' must be installed (legacy), and from_pretrained_keras was removed in huggingface_hub 1.0. # See https://github.com/keras-team/tf-keras for more details. # !pip install "huggingface_hub<1.0" tf_keras from huggingface_hub import from_pretrained_keras model = from_pretrained_keras("Pogonyalov47/Python_Task_3_Variant") - Notebooks
- Google Colab
- Kaggle
|
Download README.md from Pogonyalov47/Python_Task_3_Variant: direct link, hf CLI and curl.
- Browser
- Download file 1.6 kB
-
https://huggingface.co/Pogonyalov47/Python_Task_3_Variant/resolve/8a9fb90eacf29fc67e0a4e7787218575c495d2e8/README.md
- Command line
-
hf download hf://Pogonyalov47/Python_Task_3_Variant@8a9fb90eacf29fc67e0a4e7787218575c495d2e8/README.md
-
curl -L -o README.md https://huggingface.co/Pogonyalov47/Python_Task_3_Variant/resolve/8a9fb90eacf29fc67e0a4e7787218575c495d2e8/README.md
1.6 kB
| language: | |
| - ru | |
| # Задание: | |
| Дан датасет mnist по входному изображению определить остаток от деления этой цифры на 3 | |
| # Реализация: | |
| ## Описание | |
| На вход нейронной сети поступает картинка числа. Она имеет размерность 28x28, есть список правильных ответов, который мы должны преобразовать, чтобы нейронная сеть распознавала числа % 3. | |
| ## Изображение послойной архитектуры | |
|  | |
| ## Общее количество обучаемых параметров сети | |
|  | |
| ## Используемые алгоритмы ошибок и оптимизации: | |
| Были использованы функция ошибок - **категориальная энтропия** и стандартная функция оптимизации - **adam** | |
|  | |
| ## Размеры тренировочного, валидационного и тестового датасетов | |
| Исходный датасет был разделен на 3 части: | |
| 1. Тренировочный 54.000 изображений | |
| 2. Валидационный 6.000 изображений | |
| 3. Тестовый 10.000 изображений | |
| ## Результаты | |
| На скриншоты можно посмотреть результаты обучения нейронной сети: | |
|  | |