Update README.md

README.md

@@ -2,5 +2,30 @@
 library_name: keras
 ---
 
-#Модель для распознования цифр, натренерованна на наборе данных mnist
-![](pic.png)
+#Модель для распознования цифр, которая выдает результат %2 от чисел, натренерованна на наборе данных mnist
+
+![](osnmodel.png)
+
+#Общее количество обучаемых параметров НС мы узнаем с помощью .summary и их число равно 209 826
+#.summary выводит сводку модели машинного обучения, созданной в рамках проекта. Он позволяет увидеть количество слоев, количество нейронов в каждом слое,
+#функции активации и другие параметры модели. Это помогает определить, какие данные будут входить в модель, какие выходные данные будут получены,
+#какие параметры будут использоваться и какие функции потерь будут использоваться при обучении модели.
+
+![](summary.png)
+
+#В данной работе я использую функцию потерь categorical_crossentropy, которая используется для классификации с несколькими классами.
+#В качестве оптимизатора я использую adam, который является одним из наиболее популярных оптимизаторов для обучения нейронных сетей.
+
+#Так как в данной работе я использую Mnist, он содержит 70 000 рукописных чисел, при чем 10 000 это тестовая выборка, 60 000 тренировочная, но в ней 20% являются валидационными 
+#поэтому тестовая 10 000, валидационная 12 000 и тренировочная 48 000 данных
+
+#Ниже прикреплены картинки который показывают loss, accuracy на всех трех датасетах 
+
+#Точность accuracy для валидационной и обучающей 
+![](tochnost.png)
+
+#Loss для валидационной и обучающей
+![](loss.png)
+
+#accuracy и loss для тестовой выборки
+![](test.jpg)