diff --git a/labworks/LW1/NN1.png b/labworks/LW1/NN1.png
new file mode 100644
index 0000000..faa6ab4
Binary files /dev/null and b/labworks/LW1/NN1.png differ
diff --git a/labworks/LW1/NN2.png b/labworks/LW1/NN2.png
new file mode 100644
index 0000000..abbe788
Binary files /dev/null and b/labworks/LW1/NN2.png differ
diff --git a/labworks/LW1/NN3.png b/labworks/LW1/NN3.png
new file mode 100644
index 0000000..77da45f
Binary files /dev/null and b/labworks/LW1/NN3.png differ
diff --git a/labworks/LW1/NN4.png b/labworks/LW1/NN4.png
new file mode 100644
index 0000000..1484d3a
Binary files /dev/null and b/labworks/LW1/NN4.png differ
diff --git a/labworks/LW1/NN5.png b/labworks/LW1/NN5.png
new file mode 100644
index 0000000..fb78dce
Binary files /dev/null and b/labworks/LW1/NN5.png differ
diff --git a/labworks/LW1/NN6.png b/labworks/LW1/NN6.png
new file mode 100644
index 0000000..2498ac1
Binary files /dev/null and b/labworks/LW1/NN6.png differ
diff --git a/labworks/LW1/report.md b/labworks/LW1/report.md
index ae7715d..bff855d 100644
--- a/labworks/LW1/report.md
+++ b/labworks/LW1/report.md
@@ -111,17 +111,7 @@ model_p.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accu
 ```
 model_p.summary()
 ```
-
-> Model: "sequential"
-> ┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━┓
-> ┃ Layer (type)                    ┃ Output Shape           ┃       Param # ┃
-> ┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━┩
-> │ dense (Dense)                   │ (None, 10)             │         7,850 │
-> └─────────────────────────────────┴────────────────────────┴───────────────┘
-> Total params: 7,852 (30.68 KB)
-> Trainable params: 7,850 (30.66 KB)
-> Non-trainable params: 0 (0.00 B) 
-> Optimizer params: 2 (12.00 B)
+![Архитектура](NN1.png)
 
 * Обучил модель
 ```
@@ -164,17 +154,7 @@ model_2l_100.summary()
 ```
 
 
->Model: "sequential"
->┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━┓
->┃ Layer (type)                    ┃ Output Shape           ┃       Param # ┃
->┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━┩
->│ dense_34 (Dense)                │ (None, 100)            │        78,500 │
->├─────────────────────────────────┼────────────────────────┼───────────────┤
->│ dense_35 (Dense)                │ (None, 10)             │         1,010 │
->└─────────────────────────────────┴────────────────────────┴───────────────┘
-> Total params: 79,510 (310.59 KB)
-> Trainable params: 79,510 (310.59 KB)
-> Non-trainable params: 0 (0.00 B) 
+![Архитектура](NN2.png)
 
 * Обучили модель
 ```
@@ -216,17 +196,7 @@ model_2l_300.summary()
 ```
 
 
->Model: "sequential_5"
->┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━┓
->┃ Layer (type)                    ┃ Output Shape           ┃       Param # ┃
->┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━┩
->│ dense_9 (Dense)                 │ (None, 300)            │       235,500 │
->├─────────────────────────────────┼────────────────────────┼───────────────┤
->│ dense_10 (Dense)                │ (None, 10)             │         3,010 │
->└─────────────────────────────────┴────────────────────────┴───────────────┘
-> Total params: 238,510 (931.68 KB)
-> Trainable params: 238,510 (931.68 KB)
-> Non-trainable params: 0 (0.00 B) 
+![Архитектура](NN3.png)
 
 * Обучили модель
 ```
@@ -267,18 +237,7 @@ model_2l_500.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=[
 model_2l_500.summary()
 ```
 
-> Архитектура нейронной сети:
->Model: "sequential_6"
->┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━┓
->┃ Layer (type)                    ┃ Output Shape           ┃       Param # ┃
->┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━┩
->│ dense_24 (Dense)                │ (None, 500)            │       392,500 │
->├─────────────────────────────────┼────────────────────────┼───────────────┤
->│ dense_25 (Dense)                │ (None, 10)             │         5,010 │
->└─────────────────────────────────┴────────────────────────┴───────────────┘
-> Total params: 397,510 (1.52 MB)
-> Trainable params: 397,510 (1.52 MB)
-> Non-trainable params: 0 (0.00 B) 
+![Архитектура](NN4.png)
 
 * Обучаем модель
 ```
@@ -323,19 +282,7 @@ model_3l_100_50.compile(loss='categorical_crossentropy', optimizer='sgd', metric
 model_3l_100_50.summary()
 ```
 
->Model: "sequential_7"
->┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━┓
->┃ Layer (type)                    ┃ Output Shape           ┃       Param # ┃
->┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━┩
->│ dense_13 (Dense)                │ (None, 100)            │        78,500 │
->├─────────────────────────────────┼────────────────────────┼───────────────┤
->│ dense_14 (Dense)                │ (None, 50)             │         5,050 │
->├─────────────────────────────────┼────────────────────────┼───────────────┤
->│ dense_15 (Dense)                │ (None, 10)             │           510 │
->└─────────────────────────────────┴────────────────────────┴───────────────┘
-> Total params: 84,060 (328.36 KB)
-> Trainable params: 84,060 (328.36 KB)
-> Non-trainable params: 0 (0.00 B) 
+![Архитектура](NN5.png) 
 
 * Обучили модель
 ```
@@ -377,19 +324,7 @@ model_3l_100_100.summary()
 ```
 
 
->Model: "sequential_2"
->┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━┓
->┃ Layer (type)                    ┃ Output Shape           ┃       Param # ┃
->┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━┩
->│ dense_3 (Dense)                │ (None, 100)            │        78,500 │
->├─────────────────────────────────┼────────────────────────┼───────────────┤
->│ dense_4 (Dense)                │ (None, 100)            │        10,100 │
->├─────────────────────────────────┼────────────────────────┼───────────────┤
->│ dense_5 (Dense)                │ (None, 10)             │         1,010 │
->└─────────────────────────────────┴────────────────────────┴───────────────┘
-> Total params: 89,610 (350.04 KB)
-> Trainable params: 89,610 (350.04 KB)
-> Non-trainable params: 0 (0.00 B) '
+![Архитектура](NN6.png)
 
 * Обучили модель
 ```
@@ -420,14 +355,14 @@ print('Accuracy on test data:',scores[1])
 >Loss on test data: 0.35140201449394226
 >Accuracy on test data: 0.9049000144004822
 
-Количество	   Количество нейронов в	Количество нейронов во	Значение метрики
-скрытых слоев  первом скрытом слое      втором скрытом слое     качества классификации
-0	                     -	                      -	            0.9151999950408936
-1      	                100	                      -	            0.9154999852180481
-1	                    300	                      -	            0.9139000177383423
-1	                    500	                      -	            0.9122999906539917
-2	                    100	                      50	        0.9021999835968018
-2	                    100	                      100	        0.9049000144004822
+| Кол-во слоёв | Нейронов в 1-м | Нейронов во 2-м | Accuracy |
+|---------------|----------------|-----------------|-----|
+| 0 | – | – | 0.9151999950408936 |
+| 1 | 100 | – | 0.9154999852180481 |
+| 1 | 300 | – | 0.9139000177383423 |
+| 1 | 500 | – | 0.9122999906539917 |
+| 2 | 100 | 50 | 0.9021999835968018 |
+| 2 | 100 | 100 | 0.9049000144004822 |
 
 По значениям метрики качества классификации можно увидеть, что лучше всего справилась двухслойная сеть с 100 нейронами в скрытом слое. Наращивание кол-во слоев и кол-во нейронов в них не привели к желаемому росту значения метрики качества, а наоборот ухудшили ее. Вероятно связано это с тем, что для более мощных архитектур нужно увеличить обучающую выборку, чем есть сейчас у нас, иначе это приводит к переобучению сети.