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:
