با استفاده از TensorFlow یک مدل سادهٔ شبکهٔ عصبی برای طبقهبندی ارقام دیتاست MNIST بسازید، آن را آموزش دهید و دقت نهایی را گزارش کنید.
1.0 بازدید آخرین ویرایش در 221 روز قبل ساعت 01:06 0.0
برای حل این سوال از TensorFlow (API سطح بالا Keras) در پایتون استفاده کنید: دیتاست MNIST را با tf.keras.datasets.load_data بارگذاری و تصویرها را به بازهٔ [0,1] نرمال کنید، سپس یک مدل Sequential شامل یک لایهٔ Flatten و یک یا دو لایهٔ Dense با فعالساز ReLU و یک لایهٔ خروجی Dense با فعالساز softmax بسازید. مدل را با optimizer مانند Adam و loss برابر sparse_categorical_crossentropy کامپایل کنید، حدود 3–10 epoch آموزش دهید و با تابع evaluate دقت را گزارش کنید. نکات مفید: برای بازتولیدپذیری seed تنظیم کنید، از batch size مناسب (مثلاً 32 یا 64) استفاده کنید و در صورت نیاز برای بهبود دقت از Dropout یا افزایش تعداد نرونها/epochs بهره ببرید.
توسط پژوهشگر در 221 روز قبل ساعت 01:06 1 پاسخ
جدید ترین قدیمی ترین بالاترین امتیاز پاسخ های من
در حال بارگیری...
برای ارسال پاسخ باید با حساب کاربری وارد شوید.
ورود به حساب کاربری
برای بازتولیدپذیری، مقدار seed را تنظیم کنید (مثلاً np.random.seed(42) و tf.random.set_seed(42)). با استفاده از tf.keras.datasets.load_data، دادههای MNIST را بارگذاری و تصاویر را به بازه [0,1] نرمال کنید، سپس یک مدل Sequential با Flatten و 1–2 لایه Dense با ReLU و خروجی Softmax بسازید. مدل را با optimizer مانند Adam و loss برابر sparse_categorical_crossentropy کامپایل و با حدود 3–10 اپک آموزش دهید و نتیجه را با evaluate گزارش کنید. برای بهبود دقت میتوانید Dropout اضافه کنید یا تعداد نرونها/اپکها را افزایش دهید.
گزارش