https://github.com/lexxai/goit_python_ds_hw_08

Модуль 8. Глибоке навчання. Tensorflow.
https://github.com/lexxai/goit_python_ds_hw_08

classification data-science matplotlib minst numpy pandas python sklearn tensorflow

Last synced: 21 days ago
JSON representation

Модуль 8. Глибоке навчання. Tensorflow.

• Host: GitHub
• URL: https://github.com/lexxai/goit_python_ds_hw_08
• Owner: lexxai
• License: mit
• Created: 2024-02-19T21:36:07.000Z (12 months ago)
• Default Branch: main
• Last Pushed: 2024-02-21T21:29:48.000Z (12 months ago)
• Last Synced: 2024-11-24T06:13:39.627Z (3 months ago)
• Topics: classification, data-science, matplotlib, minst, numpy, pandas, python, sklearn, tensorflow
• Language: Jupyter Notebook
• Homepage:
• Size: 1.36 MB
• Stars: 1
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# Модуль 8. Глибоке навчання. Tensorflow.

*З циклу [домашніх завдань Python Data Science](https://github.com/lexxai/goit_python_data_sciense_homework).*

# Домашнє завдання

Завантажте в гугл колаб [цей](https://drive.google.com/file/d/10-gPf1AeEKXKOlZq9ItbKRo8gtmtNiDV/view) ноутбук. У ньому подано інструкції щодо створення нейронної мережі, що розпізнає рукописні цифри. В даному завданні від вас потрібно зробити наступне:

- Заповнити пропуски у коді.

- Навчити нейронну мережу.

- Побудувати необхідні графіки.

- Знайти втрати мережі.

- Протестувати роботу мережі на тестових даних.

- Виведіть метрики якості для кожного класу навченої моделі, використовуючи [classification_report](https://scikit-learn.org/stable/modules/generated/sklearn.metrics.classification_report.html).

- Зробити висновки.

# Результати

## Архітектура нейронної мережі

![nn-shema](nn-shema.jpg)

IL=784, HL1=128, HL2=256, OL=10

## Графік процесу навчання

![hw08-loss-acc](hw08-loss-acc.png)

## Результати навчання (classification report)

```

               precision    recall   f1-score   support

   Number: 0       0.96      0.98      0.97       980

   Number: 1       0.98      0.98      0.98      1135

   Number: 2       0.94      0.93      0.94      1032

   Number: 3       0.92      0.92      0.92      1010

   Number: 4       0.94      0.94      0.94       982

   Number: 5       0.93      0.92      0.93       892

   Number: 6       0.95      0.95      0.95       958

   Number: 7       0.94      0.94      0.94      1028

   Number: 8       0.92      0.91      0.92       974

   Number: 9       0.91      0.92      0.92      1009

    accuracy                           0.94     10000

   macro avg       0.94      0.94      0.94     10000

weighted avg       0.94      0.94      0.94     10000

```

## Результати навчання (Confusion Matrix)

![hw-08-confm](hw-08-confm.png)

## Візуалізація результатів предбачення

![hw-08-pred-imgs](hw-08-pred-imgs.png)

- [goit_python_ds_hw_08.ipynb](goit_python_ds_hw_08.ipynb)

- [Colab (goit_python_ds_hw_08.ipynb)](https://colab.research.google.com/drive/1FY4LFhix5OiKEXA_et3Zl2P7QWf3JTQk?usp=sharing)