Цель проекта — сравнительный анализ архитектур нейронных сетей для задачи распознавания рукописных цифр (MNIST). Система реализует полный цикл: от обучения моделей на PyTorch до деплоя в веб-интерфейсе.
В отличие от стандартных туториалов, здесь реализован "бесшовный" переход от обучения в облаке (Colab/Remote) к локальному инференсу с сохранением весов.
Базовый линейный классификатор (1 слой). Служит бейзлайном для оценки более сложных моделей.
Полносвязная сеть с скрытыми слоями и активацией ReLU. Архитектура: 784 -> 128 -> 64 -> 10.
Сверточная сеть. Использует фильтры 3x3 и MaxPool для выделения пространственных признаков.
Логи обучения последних итераций. Заметно раннее прерывание обучения для MLP и CNN, требующее увеличения количества эпох для сходимости.