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:
# !pip install -U keras tensorflow huggingface_hub # Keras needs TensorFlow installed to read "hf://" paths, so the tensorflow backend is selected here; # "jax" and "torch" also work for computation once TensorFlow is installed. import os os.environ["KERAS_BACKEND"] = "tensorflow" import keras model = keras.saving.load_model("hf://D3nkik/My_task") - Notebooks
- Google Colab
- Kaggle
|
Download README.md from D3nkik/My_task: direct link, hf CLI and curl.
- Browser
- Download file 1.79 kB
-
https://huggingface.co/D3nkik/My_task/resolve/main/README.md
- Command line
-
hf download hf://D3nkik/My_task/README.md
-
curl -L -o README.md https://huggingface.co/D3nkik/My_task/resolve/main/README.md
1.79 kB
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.

