Instructions to use ArturStepanenko/pythonV6 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Keras
How to use ArturStepanenko/pythonV6 with Keras:
# !pip install -U keras tensorflow huggingface_hub # Keras needs TensorFlow installed to read "hf://" paths, so the tensorflow backend is selected here; # "jax" and "torch" also work for computation once TensorFlow is installed. import os os.environ["KERAS_BACKEND"] = "tensorflow" import keras model = keras.saving.load_model("hf://ArturStepanenko/pythonV6") - Notebooks
- Google Colab
- Kaggle
|
Download README.md from ArturStepanenko/pythonV6: direct link, hf CLI and curl.
- Browser
- Download file 1.23 kB
-
https://huggingface.co/ArturStepanenko/pythonV6/resolve/main/README.md
- Command line
-
hf download hf://ArturStepanenko/pythonV6/README.md
-
curl -L -o README.md https://huggingface.co/ArturStepanenko/pythonV6/resolve/main/README.md
1.23 kB
| datasets: | |
| - mnist | |
| language: | |
| - ru | |
| metrics: | |
| - accuracy | |
| library_name: keras | |
| tags: | |
| - code | |
| 1. Модель НС, принимающая на вход изображение цифры и создающая её же изображение на выходе | |
| 2. Изображение послойной архитектуры НС на которой указаны размеры слоя, функция | |
| активации | |
| 3. Общее количество обучаемых параметров НС: 131457 | |
| 4. Используемый алгоритм оптимизации - adam, функция ошибки - mse | |
| 5. Размеры тренировочного, валидационного и тестового датасетов: 48000, 6000 и 6000 соответственно | |
| 6. Результаты обучения модели: loss и accuracy на тренировочном и валидационном датасете | |
| Метрики loss и accuracy на тестовом датасете с помощью evluate: | |
| Результаты обучения модели: |