• Постановка задачи
• Набор данных
• Метрика качества
• Формат хранения данных

Пусть - множество объеков (входов), где каждый объект описывает изображение размером , а - множество меток (выходов) соответствующих этим изображениям, где - количество классов, к которым каждое изображение может относиться. Для каждого элемента множества справедливо

Для набора данных предполагается подбор архитекрур полносвязной и сверточной нейронных сетей для решения задачи классификации, их обучение и тестирование, начальная настройка весов, а так же реализация переноса знаний.

В качестве исходных данных используется набор данных Fashion MNIST, содержащий 70 000 изображений одежды 10 разных категорий:

Все классы взаимоисключающие и сбалансированные.

При обучении модели и при ее тестировании фиксируются точность:

и ошибка классификации:

.

Используемая при выполнении лабораторных работ библиотека Keras, позволяет автоматически загружать стандартные наборы данных, в том числе и Fashion MNIST, и сохранять их в каталоге ~/.keras/datasets. Изображения в автоматически загруженном наборе данных представлены в оттенках серого и имеют разрешение 28x28 пикселей: Поскольку каждый пиксель принимает значение в диапазоне от 0 до 255, изображения во всех дальнейших экспериментах будут нормироваться:

Кроме того, метка для каждого изображения приводится к вектору длины 10 методом One-Hot Encoding:

Следует отметить, что при разбиении на обучающий (60 000 изображений) и тестовый (10 000 изображений) наборы сохраняется сбалансированность классов: