Распознавание класса изображений на датасете mnist.
Задача НС
Модель распознаёт к какому классу из 3 (0 - одежда, 1 - обувь, 2 - сумка) относится изображение
Изображение послойной архитектуры:
Общее количество обучаемых параметров
Обучаемых параметров: 16,547
Используемые алгоритмы оптимизации и функция ошибки
Алгоритм оптимизации - adam
Функция ошибки - categorical_crossentropy
Размеры тренировочного, валидационного и тестового датасетов:
Тренировочный: 60000 Тестовый: 10000 Валидационный(тестовый): 10000
Результаты обучения модели: loss и accuracy на всех трёх датасетах:
Train Loss: 0.002967413514852524 Train Accuracy: 0.9993500113487244
Test Loss: 0.016184156760573387 Test Accuracy: 0.9958000183105469
Validation Loss: 0.016184156760573387 Validation Accuracy: 0.9958000183105469
Результаты работы программы и нейросети:
