Edit model card

Энкодер на датасете fashion_mnist

Задача

Построить автоэнкодер для датасета Fashion MNIST, который будет принимать на вход изображение и создавать его же изображение на выходе.

Архитектура

Нейросеть состоит из следующих слоев: 1.Входной слой, принимающий изображение 2.Полносвязный слой с 256 нейронами и функцией активации ReLU 3.Полносвязный слой с 128 нейронами и функцией активации ReLU 4.Скрытый слой, имеющий 50 нейронов и функцию активации ReLU 5.Полносвязный слой с 128 нейронами и функцией активации ReLU 6.Полносвязный слой с 256 нейронами и функцией активации ReLU 7.Выходной слой с функцией активации сигмоид, который производит декодирование изображения 8.Выходной слой, преобразующий выходную карту признаков в изображение Архитектура.png

Общее количество обучаемых параметров

Автоэнкодер содержит 235,978 обучаемых параметров

Функция оптимизации и функция ошибок

Алгоритм оптимизации - Adam, функция ошибок - бинарная кросс-энтропия.

Размеры датасета

  • Тренировочный датасет: 48,000 изображений
  • Валидационный датасет: 16,000 изображений
  • Тестовый датасет: 16,000 изображений

Результаты обучения модели на всех трех датасетах

После 50 эпох обучения модели на тренировочном датасете, результаты на трех датасетах такие:

  • Train Loss: 0.26351
  • Train Accuracy: 0.27152
  • Val Loss: 0.26502
  • Val Accuracy: 0.26352
  • Test Loss: 0.26442
  • Test Accuracy:0.26600
Downloads last month

-

Downloads are not tracked for this model. How to track
Inference API
Unable to determine this model's library. Check the docs .