AI-For-Beginners/translations/te/lessons/3-NeuralNetworks/05-Frameworks/lab
localizeflow[bot] 22b9d24a81 chore(i18n): sync translations with latest source changes (chunk 1/1, 201 changes) 2026-01-30 02:58:31 +00:00
..
LabFrameworks.ipynb Update translations via Co-op Translator v0.12.1 2025-11-26 12:22:03 +09:00
README.md chore(i18n): sync translations with latest source changes (chunk 1/1, 201 changes) 2026-01-30 02:58:31 +00:00

README.md

PyTorch/TensorFlow తో వర్గీకరణ

AI for Beginners Curriculum నుండి ల్యాబ్ అసైన్‌మెంట్.

పని

PyTorch లేదా TensorFlow ఉపయోగించి సింగిల్ మరియు మల్టీ-లేయర్డ్ ఫుల్-కనెక్టెడ్ నెట్‌వర్క్‌లను ఉపయోగించి రెండు వర్గీకరణ సమస్యలను పరిష్కరించండి:

  1. Iris వర్గీకరణ సమస్య - ఇది టేబులర్ ఇన్‌పుట్ డేటాతో కూడిన సమస్యకు ఉదాహరణ, ఇది క్లాసికల్ మెషీన్ లెర్నింగ్ ద్వారా నిర్వహించవచ్చు. మీ లక్ష్యం 4 సంఖ్యాత్మక పారామితుల ఆధారంగా ఐరిసులను 3 తరగతులుగా వర్గీకరించడం.
  2. మునుపటి సారి చూచిన MNIST చేతితో వ్రాసిన అంకెల వర్గీకరణ సమస్య.

మీకు సాధ్యమైన ఉత్తమ ఖచ్చితత్వాన్ని సాధించడానికి వివిధ నెట్‌వర్క్ నిర్మాణాలను ప్రయత్నించండి.

ప్రారంభ నోట్బుక్

ల్యాబ్‌ను ప్రారంభించడానికి LabFrameworks.ipynb ను తెరవండి.


అస్పష్టత:
ఈ పత్రాన్ని AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. మూల పత్రం దాని స్వదేశీ భాషలో అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారితీసే అర్థాలు కోసం మేము బాధ్యత వహించము.