Цифровая классификация
Используйте базу данных рукописных цифр MNIST для обучения свёрточной сети определять цифры в изображении.
Начните с получения данных режима обучения и контрольных данных.
In[1]:=

resource = ResourceObject["MNIST"];
trainingData = ResourceData[resource, "TrainingData"];
testData = ResourceData[resource, "TestData"];
In[2]:=

RandomSample[trainingData, 5]
Out[2]=

Задайте свёрточную нейронную сеть, которая принимает входные данные в виде полутоновых изображений размером 28×28.
In[3]:=

lenet = NetChain[
{ConvolutionLayer[20, 5], Ramp, PoolingLayer[2, 2],
ConvolutionLayer[50, 5], Ramp, PoolingLayer[2, 2], FlattenLayer[],
500, Ramp, 10, SoftmaxLayer[]},
"Output" -> NetDecoder[{"Class", Range[0, 9]}],
"Input" -> NetEncoder[{"Image", {28, 28}, "Grayscale"}]
]
Out[3]=

Проведите четыре раунда тренировки нейронной сети.
In[4]:=

lenet = NetTrain[lenet, trainingData, ValidationSet -> testData,
MaxTrainingRounds -> 3];
Out[5]=

Оцените обученную сеть непосредственно на изображениях, случайно отобранных из контрольного набора.
In[6]:=

imgs = Keys @ RandomSample[testData, 5];
Thread[imgs -> lenet[imgs]]
Out[6]=
