Update README.md

README.md

@@ -7,25 +7,25 @@ metrics:
 - accuracy
 library_name: keras
 ---
-1. Описание задачи которую выполняет НС
-    Вариант 6. Используя датасет mnist был построен автоэнкодер, принимающий на вход изображение цифры и
+1. Описание задачи которую выполняет НС.
+Вариант 6. Используя датасет mnist был построен автоэнкодер, принимающий на вход изображение цифры и
   создающий её же изображение на выходе.
 
 2. Изображение послойной архитектуры НС на которой указаны размеры слоя, функция
-активации
+активации.
 ![](arhitectura.png)
 
-3. Общее количество обучаемых параметров НС
-    Оно составляет 131457, можно увидеть в коде.
+3. Общее количество обучаемых параметров НС.
+Оно составляет 131457, можно увидеть в коде.
    
-4. Используемый алгоритмы оптимизации и функция ошибки
-    Алгоритм оптимизации - adam, функция ошибки - mse (mean_squared_error)
+4. Используемый алгоритмы оптимизации и функция ошибки.
+Алгоритм оптимизации - adam, функция ошибки - mse (mean_squared_error).
    
-5. Размеры тренировочного, валидационного и тестового датасетов
-    Тренировочный равен 48 000.
-    Тестовый равен 10 000.
-    Валидационный равен 12 000 (то есть 20% от изначального 60 000 тренировочного датасета)
+5. Размеры тренировочного, валидационного и тестового датасетов.
+Тренировочный равен 48 000.
+Тестовый равен 10 000.
+Валидационный равен 12 000 (то есть 20% от изначального 60 000 тренировочного датасета)
    
-7. Результаты обучения модели: loss и accuracy на всех трёх датасетах
-  ![](loss_and_accuracy.png)
-   Для тестового датасета loss: 0.0339 и accuracy: 0.0097
+6. Результаты обучения модели: loss и accuracy на всех трёх датасетах.
+![](loss_and_accuracy.png)
+Для тестового датасета loss: 0.0339 и accuracy: 0.0097