RomanNum3ral
/
AI-For-Beginners
mirror of https://github.com/microsoft/AI-For-Beginners.git
1
0
Fork 0
Code Issues Packages Projects Releases Wiki Activity
AI-For-Beginners/translations/uk/lessons/3-NeuralNetworks/04-OwnFramework/lab
History
localizeflow[bot] 132c5c3f8f chore(i18n): sync translations with latest source changes (chunk 1/1, 201 changes) 2026-01-30 02:51:30 +00:00
..
MyFW_MNIST.ipynb 🌐 Update translations via Co-op Translator 2025-08-30 10:45:29 +00:00
README.md chore(i18n): sync translations with latest source changes (chunk 1/1, 201 changes) 2026-01-30 02:51:30 +00:00

README.md

Класифікація MNIST за допомогою нашої власної платформи

Лабораторне завдання з AI for Beginners Curriculum.

Завдання

Розв’яжіть задачу класифікації рукописних цифр MNIST, використовуючи одно-, дво- та тришаровий перцептрон. Використовуйте платформу нейронних мереж, яку ми розробили на уроці.

Початок роботи з ноутбуком

Розпочніть лабораторну роботу, відкривши MyFW_MNIST.ipynb

Запитання

У результаті цієї лабораторної роботи спробуйте відповісти на наступні запитання:

  • Чи впливає функція активації між шарами на продуктивність мережі?
  • Чи потрібна для цього завдання дво- або тришарова мережа?
  • Чи виникли у вас проблеми з навчанням мережі? Особливо, коли кількість шарів збільшувалася.
  • Як поводяться ваги мережі під час навчання? Ви можете побудувати графік максимальної абсолютної величини вагів залежно від епохи, щоб зрозуміти взаємозв’язок.

Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, звертаємо вашу увагу, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.