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
Update README.md
Browse files
README.md
CHANGED
|
@@ -9,7 +9,13 @@ library_name: keras
|
|
| 9 |
tags:
|
| 10 |
- images
|
| 11 |
---
|
| 12 |
-
|
| 13 |
-
|
| 14 |
-
|
| 15 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 9 |
tags:
|
| 10 |
- images
|
| 11 |
---
|
| 12 |
+
1)Описание задачи которую выполняет НС;
|
| 13 |
+
2)Изображение послойной архитектуры НС на которой указаны размеры слоя, функция
|
| 14 |
+
активации;
|
| 15 |
+

|
| 16 |
+
3)Общее количество обучаемых параметров НС;
|
| 17 |
+
4)Используемый алгоритмы оптимизации и функция ошибки;
|
| 18 |
+
5)Размеры тренировочного, валидационного и тестового датасетов;
|
| 19 |
+
6)Результаты обучения модели: loss и accuracy на всех трёх датасетах.
|
| 20 |
+
|
| 21 |
+
|