CNN MNIST Classifier

Demo-Samples sind nach Klasse 0..9 vorgepackt. Der Basis-Load lädt 10 Bilder pro Klasse (insgesamt 100).

Nutze Add +10 pro Klasse, um schrittweise auf 20, 30, 40, 50 pro Klasse zu erhöhen (max. 500 insgesamt).

Dieses Setup ist für schnelle Lernexperimente ausgelegt und erhält die Klassenbalance.

Das Modell gibt eine 10-Wege-Softmax-Verteilung aus.

$$\hat{y}_c = \frac{e^{z_c}}{\sum_{k=0}^{9} e^{z_k}}, \quad L = -\frac{1}{N}\sum_i\sum_{c=0}^{9} y_{ic}\log(\hat{y}_{ic})$$

Nutze Lernrate, Batchgröße, Optimizer und Architektur-Optionen, um zwischen Geschwindigkeit und Stabilität abzuwägen.