View difference between Paste ID: rMG42VDa and FaW6GsfJ

-#В конце прошлой темы вы обучили полносвязную сеть для решения задачи классификации одежды. Замените эту сеть на свёрточную со слоями: Conv2D + relu + Flatten + Dense. Примените в свёрточном слое 4 фильтра размером 3x3.
+#Добавьте в сеть ещё один свёрточный слой с 4 фильтрами размером 3x3. Сделайте так, чтобы размер изображения после первого слоя не поменялся, а после второго — уменьшился в два раза.
-#Обучать свёрточную сеть не нужно. Вызовите у модели функцию summary(): она напечатает на экране информацию об устройстве сети.
+#Вызовите функцию summary() для просмотра устройства сети. Затем запустите обучение на одном объекте, чтобы убедиться в работоспособности кода (уже в прекоде).
 
 from tensorflow.keras import Sequential
 from tensorflow.keras.layers import Conv2D, Flatten, Dense
 import matplotlib.pyplot as plt
 import numpy as np
 
 
 features_train = np.load('/datasets/fashion_mnist/train_features.npy')
 target_train = np.load('/datasets/fashion_mnist/train_target.npy')
 features_test = np.load('/datasets/fashion_mnist/test_features.npy')
 target_test = np.load('/datasets/fashion_mnist/test_target.npy')
 
-# Меняем размерности изображений и приводим числа к диапазону [0, 1].
+
-# При изменении размера одну из размерностей можно указать равной -1,
+
-# чтобы она вычислялась автоматически
+
 model = Sequential()
 
 model.add(Conv2D(filters=4, kernel_size=(3, 3), activation='relu', padding='same', input_shape=(28, 28, 1)))
 model.add(Conv2D(filters=4, kernel_size=(3, 3), activation='relu', padding='same',strides = 2))
 model.add(Flatten())
-model.add(Conv2D(filters=4, kernel_size=(3, 3), activation='relu', input_shape=(28, 28, 1)))
+model.add(Dense(units=10, activation='softmax'))
 
 model.compile(loss='sparse_categorical_crossentropy', optimizer='sgd', metrics=['acc'])
 model.summary()
 model.fit(features_train, target_train, epochs=1, verbose=1,
           steps_per_epoch=1, batch_size=1)
-model.add(Dense(10, activation='softmax',input_dim=features_train.shape[1]))
+