From 23912a83d30117318335984838da3c37889bfb65 Mon Sep 17 00:00:00 2001 From: Elizaveta Ishutina Date: Thu, 16 Oct 2025 12:00:18 +0300 Subject: [PATCH] report.md fixed --- LW1/report.md | 12 ++++++------ 1 file changed, 6 insertions(+), 6 deletions(-) diff --git a/LW1/report.md b/LW1/report.md index 083bbcb..3f8ea4f 100644 --- a/LW1/report.md +++ b/LW1/report.md @@ -3,13 +3,13 @@ ### *1. В среде GoogleColab создать новый блокнот (notebook). Импортировать необходимые для работы библиотеки и модули.* -tensorflow.keras — высокоуровневый API для построения и обучения нейронных сетей. Мы используем его для загрузки датасета и построения моделей. +`tensorflow.keras` — высокоуровневый API для построения и обучения нейронных сетей. Мы используем его для загрузки датасета и построения моделей. -matplotlib.pyplot — библиотека для визуализации данных, построения графиков и отображения изображений. +`matplotlib.pyplot` — библиотека для визуализации данных, построения графиков и отображения изображений. -numpy — библиотека для работы с многомерными массивами и выполнения численных операций. +`numpy` — библиотека для работы с многомерными массивами и выполнения численных операций. -sklearn (scikit-learn) — библиотека для машинного обучения, содержит инструменты для предварительной обработки данных, метрик, кластеризации и классификации. +`sklearn (scikit-learn)` — библиотека для машинного обучения, содержит инструменты для предварительной обработки данных, метрик, кластеризации и классификации. Задание рабочей директории, импорт необходимых библиотек и модулей: @@ -29,7 +29,7 @@ import sklearn Он содержит 70 000 изображений цифр от 0 до 9, из них 60 000 для обучения (training set) и 10 000 — для тестирования (test set). Каждое изображение имеет размер 28×28 пикселей и представлено в градациях серого. -В TensorFlow набор данных MNIST встроен в модуль keras.datasets, что позволяет легко загрузить его одной командой. +В TensorFlow набор данных MNIST встроен в модуль `keras.datasets`, что позволяет легко загрузить его одной командой. ```python (X_train, y_train), (X_test, y_test) = mnist.load_data() @@ -427,7 +427,7 @@ print(np.argmax(predictions, axis=1)) ### *14. Каждому члену бригады создать копию собственного изображения, отличающуюся от оригинала поворотом на 90 градусов в любую сторону. Сохранить изображения. Загрузить, предобработать и подать на вход обученной нейронной сети изменённые изображения. Вывести изображения и результаты распознавания.* -Для проверки устойчивости модели к поворотам изображений были созданы версии исходных цифр, повёрнутые на 90°. Далее выполняется их загрузка, нормализация, инверсия и распознавание обученной моделью. +Для проверки устойчивости модели к поворотам изображений были созданы версии исходных цифр, повёрнутые на 90° по часовой стрелке. Далее выполняется их загрузка, нормализация, инверсия и распознавание обученной моделью. ```python from google.colab import files