AI-For-Beginners/translations/ru/lessons/3-NeuralNetworks/04-OwnFramework/lab
localizeflow[bot] 7a7aeb92a1 chore(i18n): sync translations with latest source changes (chunk 1/1, 203 changes) 2026-01-30 01:10:04 +00:00
..
MyFW_MNIST.ipynb 🌐 Update translations via Co-op Translator 2025-08-28 12:35:46 +00:00
README.md chore(i18n): sync translations with latest source changes (chunk 1/1, 203 changes) 2026-01-30 01:10:04 +00:00

README.md

Классификация MNIST с использованием нашего собственного фреймворка

Лабораторная работа из Учебной программы "ИИ для начинающих".

Задача

Решите задачу классификации рукописных цифр MNIST, используя одно-, двух- и трехслойный перцептрон. Используйте нейронный сетевой фреймворк, который мы разработали на уроке.

Начало работы с ноутбуком

Начните лабораторную работу, открыв MyFW_MNIST.ipynb

Вопросы

В результате выполнения этой лабораторной работы попробуйте ответить на следующие вопросы:

  • Влияет ли функция активации между слоями на производительность сети?
  • Нужна ли для этой задачи двух- или трехслойная сеть?
  • Возникли ли у вас какие-либо проблемы при обучении сети? Особенно при увеличении количества слоев.
  • Как ведут себя веса сети во время обучения? Вы можете построить график максимального абсолютного значения весов в зависимости от эпохи, чтобы понять взаимосвязь.

Отказ от ответственности:
Этот документ был переведен с использованием сервиса автоматического перевода Co-op Translator. Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.