- Автоэнкодер для сжатия и и восстановления изображений, в данном примере изображений цифр
- Изображение послойной архитектуры НС на которой указаны размеры слоя, функция
активации (энкодер и декодер, названия функций активаций с цифрами из-за особенностей функции plot_model)
- Общее количество обучаемых параметров НС
Общее количество обучаемых параметров НС: 489363
total_params = autoenc.count_params()
print("Общее количество обучаемых параметров НС:", total_params)
- Используемый алгоритмы оптимизации и функция ошибки
Алгоритм оптимизации: adam
Функция ошибки: mean_squared_error (среднеквадратичная ошибка)
- Размеры тренировочного, валидационного и тестового датасетов;
Размер тренировочного датасета: 48000
Размер валидационного датасета: 12000
Размер тестового датасета: 10000
(train_size = len(train_x)
val_size = len(val_x)
test_size = len(test_x))
- Результаты обучения модели: loss и accuracy на всех трёх датасетах
Loss на тренировочном датасете: 0.033324986696243286
Accuracy на тренировочном датасете: 0.009708333760499954
Loss на валидационном датасете: 0.03425576910376549
Accuracy на валидационном датасете: 0.0100833335891366
Loss на тестовом датасете: 0.034134093672037125
Accuracy на тестовом датасете: 0.011500000022351742
Пример работы
