Введение 0:00 Приветствие на канале «Краснотех Нейро». Обзор предыдущего видео: установка TensorFlow и запуск GPU. Цель видео: создание первой нейросети для определения цифр на картинках из набора MNIST.
Импорт библиотек 0:32 Импорт TensorFlow, Keras, Matplotlib, NumPy. Загрузка основных слоёв: dense, flatten,reshape.
Загрузка набора данных 1:06 Загрузка тренировочного набора данных MNIST из Keras. Проверка формы датасета: 60 000 изображений 28x28 пикселей и 600 наименований цифр.
Преобразование данных 2:03 Преобразование NumPy-массива в TensorFlow-датасет. Объявление функций для обработки X и Y частей данных. Функция process_x: преобразование изображений в формат float и деление на 255 для удобства работы нейросети. Функция process_y: выполнение One-Hot-кодирования для преобразования чисел в массивы.
Оптимизация датасета 3:57 Соединение и перемешивание датасетов. Распределение по батчам размером 64 элемента для оптимизации обучения. Каширование датасета для ускорения работы.
Визуализация данных 5:17 Вывод изображений и меток с помощью Matplotlib. Настройка отображения данных.
Создание нейросети 6:01 Задание входных данных: изображения 28x28 пикселей. Добавление слоя flatten для преобразования изображения в одну линию. Добавление плотного слоя с 128 нейронами и функции активации ReLU.
Тестирование нейросети 14:30 Запуск нейросети и проверка её работы на примерах цифр 8, 6, 1. Подтверждение правильности ответов нейросети.
Сохранение и загрузка модели 15:40 Сохранение модели для последующего использования. Загрузка модели из сохранения и проверка её работы. Демонстрация восстановления модели после перезагрузки ядра.
Заключение 16:49 Подведение итогов: создание и обучение простейшей нейросети. Анонс будущих видео о сверточных нейросетях и использовании pre-trained моделей. Призыв подписаться и поставить лайк. Упоминание о доступности кода на GitHub.
