Instructions to use D3nkik/My_task with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Keras
How to use D3nkik/My_task with Keras:
# Available backend options are: "jax", "torch", "tensorflow". import os os.environ["KERAS_BACKEND"] = "jax" import keras model = keras.saving.load_model("hf://D3nkik/My_task") - Notebooks
- Google Colab
- Kaggle
metadata
datasets:
- fashion_mnist
language:
- ru
metrics:
- accuracy
library_name: keras
tags:
- images
1)Описание задачи которую выполняет НС;
Модель нейронной сети,предназначена для решения задачи классификации изображений одежды с использованием датасета Fashion MNIST
2)Изображение послойной архитектуры НС на которой указаны размеры слоя, функция активации;
3)Общее количество обучаемых параметров НС;
4)Используемый алгоритмы оптимизации и функция ошибки;
В коде,используется алгоритм оптимизации Adam и функция ошибки Sparse Categorical Crossentropy. Функция ошибки Sparse Categorical Crossentropy используется для многоклассовой классификации, когда классы являются взаимоисключающими.

