Практическая работа №1 по дисциплине «Проектирование вычислительных комплексов»
жүктеу/скачать 1,24 Mb. Pdf көрінісі
|
Практическая работа 1 Проектирование ВК
| 4.2.
Реализация и обучение НС для задачи регрессии Самостоятельно реализуйте в новом документе НС для решения задачи регрессии, описанную в следующем примере: https://www.tensorflow.org/tutorials/keras/regression (работает версия на русском языке). Вы также можете руководствоваться видео (на английском языке), которое доступно по следующему адресу: https://www.youtube.com/watch?v=- vHQub0NXI4&list=PLQY2H8rRoyvyK5aEDAI3wUUqC_F0oEroL&index=6 Обучите три версии одной и той же НС с использованием 3-х различных типов процессоров (CPU, GPU и TPU), замеряя время, затрачиваемое на обучение. Отметьте время и достигнутую точность модели в отчёте. Сделайте выводы. Определите и укажите в отчёте оптимальное количество эпох для обучения, позволяющее избежать переобучения (overfitting) нейронной сети. Ваш отчёт по выполнению данного задания должен содержать, помимо указанного выше, также описательную статистику для используемых данных и диаграммы (в различных цветовых палитрах для различных бригад). 4.3. Реализация и обучение НС для распознавания изображений Самостоятельно реализуйте и обучите свёрточную нейронную сеть для распознавания изображений из популярного учебного датасета CIFAR-10 11 . Руководствуйтесь следующим примером: https://www.tensorflow.org/tutorials/images/cnn . Отметьте в отчёте затраты времени на обучение и достигнутую точность. Используйте ту же самую архитектуру НС для распознавания изображений из другого популярного учебного датасета, CIFAR-100 12 . Отметьте в отчёте затраты времени на обучение и достигнутую точность. Сравните с предыдущими результатами и сделайте выводы. Предложите и реализуйте в архитектуре НС решения, позволяющие повысить точность модели для датасета CIFAR-100. Приведите в отчёте и обоснуйте сделанные изменения. 11 См. описание по адресу https://www.cs.toronto.edu/~kriz/cifar.html 12 См. документацию по скачиванию датасетов по адресу https://keras.io/datasets/ |