Porównanie działania dwóch sieci neuronowych służących do rozpoznawania cyfr pisanych ręcznie. Używają danych ze zbioru MNIST.
Rozpoznawanie cyfr pisanych jest jednym z pierwszych kluczowych problemów wśród algorytmów uczenia maszynowego. Między innymi w tym celu powstał zbiór MNIST - zestaw 70 tysięcy przykładów, z których każdy przedstawia obraz w skali szarości o wymiarach 28 x 28 pikseli. Zbiór ten został wykorzystany do wytrenowania i przetestowania dwóch różnych architektur sieci neuronowych: perceptronu wielowarstwowego i sieci konwolucyjnej (splotowej).
Kod dla perceptronu wielowarstwowego: https://github.com/PsorTheDoctor/Sekcja-SI/blob/master/neural_networks/MLP/digit_recognition.ipynb
Kod dla sieci konwolucyjnej: https://github.com/PsorTheDoctor/Sekcja-SI/blob/master/neural_networks/CNN/digit_recognition_cnn.ipynb
Komentarze
Prześlij komentarz