3660 lines
237 KiB
Plaintext
3660 lines
237 KiB
Plaintext
{
|
||
"cells": [
|
||
{
|
||
"cell_type": "markdown",
|
||
"id": "1c3e29cf",
|
||
"metadata": {},
|
||
"source": [
|
||
"NN"
|
||
]
|
||
},
|
||
{
|
||
"cell_type": "code",
|
||
"execution_count": 7,
|
||
"id": "c0c41213",
|
||
"metadata": {},
|
||
"outputs": [],
|
||
"source": [
|
||
"import numpy as np\n",
|
||
"import os\n",
|
||
"import matplotlib.pyplot as plt\n",
|
||
"from PIL import Image\n"
|
||
]
|
||
},
|
||
{
|
||
"cell_type": "markdown",
|
||
"id": "03172902",
|
||
"metadata": {},
|
||
"source": [
|
||
"# FFN"
|
||
]
|
||
},
|
||
{
|
||
"cell_type": "code",
|
||
"execution_count": 8,
|
||
"id": "3987e98d",
|
||
"metadata": {},
|
||
"outputs": [],
|
||
"source": [
|
||
"class FeedForwardNetwork:\n",
|
||
"\n",
|
||
" def __init__(self, input_nodes=784, hidden_nodes=200, output_nodes=10, learning_rate=0.1):\n",
|
||
" \"\"\"\n",
|
||
" Initialisiert das Feed-Forward-Netzwerk\n",
|
||
" \"\"\"\n",
|
||
" self.input_nodes = input_nodes\n",
|
||
" self.hidden_nodes = hidden_nodes\n",
|
||
" self.output_nodes = output_nodes\n",
|
||
" self.learning_rate = learning_rate\n",
|
||
"\n",
|
||
" # Gewichtsmatrizen initialisieren (normalverteilt um 0, std = 1/sqrt(n))\n",
|
||
" # W_ih: Verbindungen von Input zu Hidden (200x784)\n",
|
||
" self.W_ih = np.random.normal(0.0, pow(self.input_nodes, -0.5),\n",
|
||
" (self.hidden_nodes, self.input_nodes))\n",
|
||
"\n",
|
||
" # W_ho: Verbindungen von Hidden zu Output (10x200)\n",
|
||
" self.W_ho = np.random.normal(0.0, pow(self.hidden_nodes, -0.5),\n",
|
||
" (self.output_nodes, self.hidden_nodes))\n",
|
||
"\n",
|
||
" def sigmoid(self, x):\n",
|
||
" \"\"\"\n",
|
||
" Sigmoid-Aktivierungsfunktion: S(x) = 1/(1+e^(-x))\n",
|
||
" \"\"\"\n",
|
||
" # Overflow-Schutz für große negative Werte\n",
|
||
" return 1.0 / (1.0 + np.exp(-np.clip(x, -500, 500)))\n",
|
||
"\n",
|
||
" def sigmoid_derivative(self, x):\n",
|
||
" \"\"\"\n",
|
||
" Ableitung der Sigmoid-Funktion: S'(x) = S(x) * (1 - S(x))\n",
|
||
" \"\"\"\n",
|
||
" return self.sigmoid(x) * (1.0 - self.sigmoid(x))\n",
|
||
"\n",
|
||
" def think(self, inputs):\n",
|
||
" \"\"\"\n",
|
||
" Ein Vorwärtsdurchlauf durch das Netzwerk\n",
|
||
"\n",
|
||
" Args:\n",
|
||
" inputs: Eingabedaten als numpy array (784,)\n",
|
||
"\n",
|
||
" Returns:\n",
|
||
" final_outputs: Ausgabe des Netzwerks (10,)\n",
|
||
" \"\"\"\n",
|
||
" # Eingaben in 2D-Array umwandeln\n",
|
||
" inputs = np.array(inputs, ndmin=2).T\n",
|
||
"\n",
|
||
" # Input -> Hidden Layer\n",
|
||
" # H = S(W_ih × I)\n",
|
||
" hidden_inputs = np.dot(self.W_ih, inputs)\n",
|
||
" hidden_outputs = self.sigmoid(hidden_inputs)\n",
|
||
"\n",
|
||
" # Hidden -> Output Layer\n",
|
||
" # O = S(W_ho × H)\n",
|
||
" final_inputs = np.dot(self.W_ho, hidden_outputs)\n",
|
||
" final_outputs = self.sigmoid(final_inputs)\n",
|
||
"\n",
|
||
" return final_outputs\n",
|
||
"\n",
|
||
" def train(self, inputs, targets):\n",
|
||
" \"\"\"\n",
|
||
" Trainiert das Netzwerk mit einem Eingabe-Ziel-Paar\n",
|
||
"\n",
|
||
" Args:\n",
|
||
" inputs: Eingabedaten (784,)\n",
|
||
" targets: Zielwerte (10,)\n",
|
||
" \"\"\"\n",
|
||
" # Eingaben und Ziele in 2D-Arrays umwandeln\n",
|
||
" inputs = np.array(inputs, ndmin=2).T\n",
|
||
" targets = np.array(targets, ndmin=2).T\n",
|
||
"\n",
|
||
" # Forward Pass\n",
|
||
" # Input -> Hidden\n",
|
||
" hidden_inputs = np.dot(self.W_ih, inputs)\n",
|
||
" hidden_outputs = self.sigmoid(hidden_inputs)\n",
|
||
"\n",
|
||
" # Hidden -> Output\n",
|
||
" final_inputs = np.dot(self.W_ho, hidden_outputs)\n",
|
||
" final_outputs = self.sigmoid(final_inputs)\n",
|
||
"\n",
|
||
" # Backpropagation\n",
|
||
" # Ausgabefehler berechnen: E_out = T - O\n",
|
||
" output_errors = targets - final_outputs\n",
|
||
"\n",
|
||
" # Hidden Layer Fehler berechnen: E_hidden = W_ho^T × E_out\n",
|
||
" hidden_errors = np.dot(self.W_ho.T, output_errors)\n",
|
||
"\n",
|
||
" # Gewichte von Hidden zu Output aktualisieren\n",
|
||
" # ΔW_ho = (E_out * S'(O)) × H^T\n",
|
||
" delta_who = np.dot((output_errors * final_outputs * (1.0 - final_outputs)), hidden_outputs.T)\n",
|
||
" self.W_ho += self.learning_rate * delta_who\n",
|
||
"\n",
|
||
" # Gewichte von Input zu Hidden aktualisieren\n",
|
||
" # ΔW_ih = (E_hidden * S'(H)) × I^T\n",
|
||
" delta_wih = np.dot((hidden_errors * hidden_outputs * (1.0 - hidden_outputs)), inputs.T)\n",
|
||
" self.W_ih += self.learning_rate * delta_wih"
|
||
]
|
||
},
|
||
{
|
||
"cell_type": "markdown",
|
||
"id": "142f2b78",
|
||
"metadata": {},
|
||
"source": [
|
||
"# Helperfunctions"
|
||
]
|
||
},
|
||
{
|
||
"cell_type": "code",
|
||
"execution_count": 9,
|
||
"id": "15d81a8e",
|
||
"metadata": {},
|
||
"outputs": [],
|
||
"source": [
|
||
"def load_and_preprocess_data(filename):\n",
|
||
" \"\"\"\n",
|
||
" Lädt und verarbeitet MNIST-Daten aus CSV-Datei\n",
|
||
" \"\"\"\n",
|
||
"\n",
|
||
" # Debug: Aktuelles Arbeitsverzeichnis anzeigen\n",
|
||
" current_dir = os.getcwd()\n",
|
||
" print(f\"Aktuelles Arbeitsverzeichnis: {current_dir}\")\n",
|
||
" \n",
|
||
" # Debug: Dateien im aktuellen Verzeichnis auflisten\n",
|
||
" files_in_dir = [f for f in os.listdir(current_dir) if f.endswith('.csv')]\n",
|
||
" print(f\"CSV-Dateien im Verzeichnis: {files_in_dir}\")\n",
|
||
" \n",
|
||
" print(f\"Lade Daten aus {filename}...\")\n",
|
||
"\n",
|
||
" with open(filename, 'r') as f:\n",
|
||
" data_list = f.readlines()\n",
|
||
" print(f\" Datei erfolgreich geladen: {len(data_list)} Zeilen\")\n",
|
||
" \n",
|
||
" inputs = []\n",
|
||
" targets = []\n",
|
||
" \n",
|
||
" for record in data_list:\n",
|
||
" values = record.split(',')\n",
|
||
" \n",
|
||
" # Label (erste Spalte)\n",
|
||
" label = int(values[0])\n",
|
||
" \n",
|
||
" # Pixel-Werte normalisieren: [0,255] -> [0.01,0.99]\n",
|
||
" pixel_values = (np.asarray(values[1:], dtype=float) / 255.0 * 0.98) + 0.01\n",
|
||
" inputs.append(pixel_values)\n",
|
||
" \n",
|
||
" # Target-Array erstellen (One-Hot-Encoding)\n",
|
||
" target = np.zeros(10) + 0.01 # Alle auf 0.01\n",
|
||
" target[label] = 0.99 # Korrekte Klasse auf 0.99\n",
|
||
" targets.append(target)\n",
|
||
" \n",
|
||
" return inputs, targets\n",
|
||
"\n",
|
||
"\n",
|
||
"def load_custom_handwriting(image_path, true_label):\n",
|
||
" \"\"\"\n",
|
||
" Lädt ein eigenes Handschrift-Bild und bereitet es für das Netzwerk vor\n",
|
||
"\n",
|
||
" Args:\n",
|
||
" image_path: Pfad zum Bild\n",
|
||
" true_label: Die tatsächliche Ziffer (0-9)\n",
|
||
"\n",
|
||
" Returns:\n",
|
||
" processed_image: Normalisierte Pixelwerte für das Netzwerk\n",
|
||
" true_label: Die Ziffer als Zahl\n",
|
||
" \"\"\"\n",
|
||
" try:\n",
|
||
" # Bild laden\n",
|
||
" img = Image.open(image_path)\n",
|
||
"\n",
|
||
" # In Graustufen konvertieren\n",
|
||
" img = img.convert('L')\n",
|
||
"\n",
|
||
" # In numpy array konvertieren\n",
|
||
" img_array = np.array(img)\n",
|
||
"\n",
|
||
" # Normalisierung wie bei MNIST: [0,255] -> [0.01,0.99]\n",
|
||
" processed_image = (img_array / 255.0 * 0.98) + 0.01\n",
|
||
"\n",
|
||
" # In 1D-Array umwandeln (784 Pixel)\n",
|
||
" processed_image = processed_image.flatten()\n",
|
||
"\n",
|
||
" return processed_image, true_label\n",
|
||
"\n",
|
||
" except Exception as e:\n",
|
||
" print(f\"Fehler beim Laden von {image_path}: {e}\")\n",
|
||
" return None, None\n",
|
||
"\n",
|
||
"\n",
|
||
"def test_custom_handwriting(network, image_paths_and_labels):\n",
|
||
" \"\"\"\n",
|
||
" Testet das Netzwerk mit eigenen Handschrift-Bildern\n",
|
||
"\n",
|
||
" Args:\n",
|
||
" network: Trainiertes FeedForwardNetwork\n",
|
||
" image_paths_and_labels: Liste von (pfad, label) Tupeln\n",
|
||
" \"\"\"\n",
|
||
" print(\"Teste eigene Handschrift...\")\n",
|
||
" correct = 0\n",
|
||
" total = len(image_paths_and_labels)\n",
|
||
"\n",
|
||
" for i, (image_path, true_label) in enumerate(image_paths_and_labels):\n",
|
||
" # Bild laden und verarbeiten\n",
|
||
" processed_image, true_label = load_custom_handwriting(image_path, true_label)\n",
|
||
"\n",
|
||
" if processed_image is None:\n",
|
||
" continue\n",
|
||
"\n",
|
||
" # Vorhersage\n",
|
||
" outputs = network.think(processed_image)\n",
|
||
" predicted_label = np.argmax(outputs)\n",
|
||
" confidence = np.max(outputs) * 100\n",
|
||
"\n",
|
||
" # Ergebnis\n",
|
||
" is_correct = predicted_label == true_label\n",
|
||
" if is_correct:\n",
|
||
" correct += 1\n",
|
||
"\n",
|
||
" print(f\"\\nBild {i}: {image_path}\")\n",
|
||
" print(f\"Tatsächlich: {true_label}\")\n",
|
||
" print(f\"Vorhergesagt: {predicted_label} (Konfidenz: {confidence:.1f}%)\")\n",
|
||
" print(f\"✅ Richtig\" if is_correct else \"❌ Falsch\")\n",
|
||
"\n",
|
||
" # Bild anzeigen (optional)\n",
|
||
" show_image_with_prediction(processed_image, true_label, predicted_label, confidence)\n",
|
||
"\n",
|
||
" accuracy = (correct / total) * 100 if total > 0 else 0\n",
|
||
" print(f\"\\nEigene Handschrift - Ergebnisse:\")\n",
|
||
" print(f\"Korrekt: {correct}/{total}\")\n",
|
||
" print(f\"Genauigkeit: {accuracy:.1f}%\")\n",
|
||
"\n",
|
||
"\n",
|
||
"def show_image_with_prediction(image_data, true_label, predicted_label, confidence):\n",
|
||
" \"\"\"\n",
|
||
" Zeigt das Bild mit Vorhersage an\n",
|
||
" \"\"\"\n",
|
||
" # Zurück in 28x28 umformen\n",
|
||
" image_2d = image_data.reshape(28, 28)\n",
|
||
"\n",
|
||
" plt.figure(figsize=(4, 4))\n",
|
||
" plt.imshow(image_2d, cmap='gray')\n",
|
||
" plt.title(f\"{true_label}, Vorhergesagt: {predicted_label} ({confidence:.1f}%)\")\n",
|
||
" plt.axis('off')\n",
|
||
" plt.show()\n",
|
||
"\n"
|
||
]
|
||
},
|
||
{
|
||
"cell_type": "code",
|
||
"execution_count": 10,
|
||
"id": "b5715fee",
|
||
"metadata": {},
|
||
"outputs": [
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"Erstelle Feed-Forward-Netzwerk...\n",
|
||
"Aktuelles Arbeitsverzeichnis: /Users/safak/Documents/UNI/KI/P4\n",
|
||
"CSV-Dateien im Verzeichnis: ['mnist_test_10.csv', 'mnist_train_full.csv', 'mnist_train_100.csv', 'mnist_test_full.csv']\n",
|
||
"Lade Daten aus mnist_train_full.csv...\n",
|
||
" Datei erfolgreich geladen: 60000 Zeilen\n",
|
||
"Starte Training mit 60000 Beispielen...\n",
|
||
"Epoche: 1/5 Trainiert: 100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 1000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 1100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 1200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 1300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 1400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 1500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 1600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 1700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 1800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 1900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 2000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 2100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 2200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 2300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 2400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 2500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 2600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 2700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 2800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 2900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 3000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 3100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 3200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 3300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 3400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 3500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 3600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 3700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 3800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 3900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 4000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 4100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 4200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 4300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 4400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 4500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 4600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 4700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 4800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 4900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 5000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 5100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 5200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 5300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 5400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 5500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 5600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 5700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 5800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 5900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 6000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 6100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 6200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 6300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 6400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 6500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 6600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 6700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 6800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 6900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 7000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 7100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 7200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 7300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 7400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 7500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 7600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 7700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 7800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 7900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 8000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 8100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 8200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 8300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 8400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 8500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 8600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 8700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 8800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 8900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 9000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 9100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 9200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 9300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 9400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 9500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 9600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 9700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 9800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 9900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 10000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 10100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 10200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 10300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 10400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 10500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 10600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 10700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 10800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 10900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 11000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 11100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 11200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 11300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 11400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 11500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 11600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 11700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 11800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 11900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 12000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 12100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 12200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 12300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 12400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 12500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 12600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 12700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 12800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 12900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 13000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 13100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 13200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 13300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 13400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 13500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 13600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 13700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 13800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 13900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 14000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 14100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 14200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 14300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 14400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 14500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 14600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 14700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 14800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 14900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 15000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 15100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 15200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 15300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 15400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 15500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 15600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 15700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 15800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 15900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 16000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 16100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 16200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 16300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 16400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 16500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 16600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 16700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 16800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 16900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 17000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 17100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 17200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 17300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 17400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 17500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 17600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 17700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 17800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 17900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 18000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 18100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 18200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 18300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 18400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 18500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 18600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 18700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 18800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 18900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 19000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 19100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 19200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 19300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 19400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 19500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 19600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 19700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 19800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 19900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 20000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 20100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 20200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 20300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 20400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 20500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 20600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 20700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 20800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 20900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 21000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 21100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 21200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 21300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 21400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 21500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 21600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 21700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 21800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 21900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 22000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 22100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 22200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 22300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 22400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 22500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 22600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 22700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 22800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 22900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 23000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 23100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 23200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 23300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 23400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 23500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 23600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 23700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 23800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 23900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 24000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 24100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 24200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 24300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 24400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 24500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 24600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 24700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 24800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 24900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 25000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 25100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 25200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 25300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 25400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 25500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 25600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 25700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 25800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 25900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 26000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 26100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 26200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 26300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 26400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 26500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 26600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 26700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 26800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 26900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 27000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 27100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 27200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 27300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 27400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 27500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 27600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 27700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 27800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 27900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 28000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 28100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 28200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 28300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 28400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 28500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 28600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 28700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 28800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 28900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 29000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 29100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 29200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 29300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 29400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 29500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 29600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 29700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 29800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 29900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 30000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 30100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 30200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 30300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 30400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 30500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 30600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 30700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 30800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 30900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 31000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 31100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 31200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 31300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 31400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 31500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 31600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 31700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 31800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 31900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 32000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 32100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 32200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 32300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 32400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 32500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 32600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 32700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 32800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 32900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 33000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 33100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 33200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 33300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 33400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 33500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 33600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 33700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 33800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 33900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 34000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 34100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 34200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 34300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 34400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 34500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 34600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 34700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 34800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 34900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 35000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 35100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 35200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 35300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 35400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 35500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 35600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 35700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 35800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 35900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 36000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 36100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 36200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 36300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 36400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 36500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 36600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 36700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 36800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 36900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 37000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 37100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 37200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 37300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 37400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 37500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 37600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 37700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 37800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 37900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 38000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 38100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 38200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 38300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 38400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 38500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 38600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 38700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 38800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 38900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 39000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 39100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 39200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 39300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 39400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 39500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 39600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 39700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 39800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 39900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 40000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 40100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 40200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 40300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 40400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 40500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 40600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 40700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 40800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 40900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 41000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 41100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 41200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 41300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 41400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 41500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 41600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 41700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 41800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 41900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 42000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 42100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 42200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 42300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 42400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 42500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 42600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 42700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 42800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 42900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 43000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 43100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 43200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 43300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 43400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 43500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 43600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 43700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 43800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 43900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 44000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 44100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 44200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 44300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 44400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 44500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 44600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 44700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 44800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 44900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 45000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 45100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 45200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 45300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 45400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 45500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 45600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 45700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 45800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 45900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 46000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 46100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 46200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 46300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 46400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 46500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 46600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 46700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 46800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 46900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 47000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 47100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 47200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 47300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 47400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 47500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 47600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 47700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 47800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 47900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 48000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 48100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 48200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 48300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 48400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 48500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 48600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 48700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 48800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 48900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 49000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 49100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 49200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 49300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 49400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 49500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 49600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 49700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 49800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 49900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 50000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 50100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 50200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 50300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 50400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 50500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 50600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 50700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 50800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 50900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 51000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 51100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 51200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 51300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 51400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 51500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 51600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 51700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 51800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 51900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 52000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 52100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 52200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 52300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 52400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 52500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 52600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 52700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 52800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 52900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 53000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 53100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 53200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 53300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 53400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 53500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 53600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 53700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 53800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 53900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 54000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 54100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 54200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 54300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 54400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 54500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 54600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 54700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 54800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 54900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 55000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 55100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 55200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 55300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 55400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 55500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 55600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 55700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 55800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 55900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 56000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 56100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 56200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 56300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 56400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 56500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 56600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 56700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 56800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 56900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 57000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 57100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 57200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 57300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 57400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 57500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 57600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 57700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 57800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 57900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 58000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 58100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 58200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 58300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 58400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 58500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 58600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 58700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 58800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 58900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 59000/60000\n",
|
||
"Epoche: 1/5 Trainiert: 59100/60000\n",
|
||
"Epoche: 1/5 Trainiert: 59200/60000\n",
|
||
"Epoche: 1/5 Trainiert: 59300/60000\n",
|
||
"Epoche: 1/5 Trainiert: 59400/60000\n",
|
||
"Epoche: 1/5 Trainiert: 59500/60000\n",
|
||
"Epoche: 1/5 Trainiert: 59600/60000\n",
|
||
"Epoche: 1/5 Trainiert: 59700/60000\n",
|
||
"Epoche: 1/5 Trainiert: 59800/60000\n",
|
||
"Epoche: 1/5 Trainiert: 59900/60000\n",
|
||
"Epoche: 1/5 Trainiert: 60000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 1000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 1100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 1200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 1300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 1400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 1500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 1600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 1700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 1800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 1900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 2000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 2100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 2200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 2300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 2400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 2500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 2600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 2700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 2800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 2900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 3000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 3100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 3200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 3300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 3400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 3500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 3600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 3700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 3800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 3900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 4000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 4100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 4200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 4300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 4400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 4500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 4600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 4700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 4800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 4900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 5000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 5100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 5200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 5300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 5400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 5500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 5600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 5700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 5800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 5900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 6000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 6100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 6200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 6300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 6400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 6500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 6600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 6700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 6800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 6900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 7000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 7100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 7200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 7300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 7400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 7500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 7600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 7700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 7800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 7900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 8000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 8100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 8200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 8300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 8400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 8500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 8600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 8700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 8800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 8900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 9000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 9100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 9200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 9300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 9400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 9500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 9600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 9700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 9800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 9900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 10000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 10100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 10200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 10300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 10400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 10500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 10600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 10700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 10800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 10900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 11000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 11100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 11200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 11300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 11400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 11500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 11600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 11700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 11800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 11900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 12000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 12100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 12200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 12300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 12400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 12500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 12600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 12700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 12800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 12900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 13000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 13100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 13200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 13300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 13400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 13500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 13600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 13700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 13800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 13900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 14000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 14100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 14200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 14300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 14400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 14500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 14600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 14700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 14800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 14900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 15000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 15100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 15200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 15300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 15400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 15500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 15600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 15700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 15800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 15900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 16000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 16100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 16200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 16300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 16400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 16500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 16600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 16700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 16800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 16900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 17000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 17100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 17200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 17300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 17400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 17500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 17600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 17700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 17800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 17900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 18000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 18100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 18200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 18300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 18400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 18500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 18600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 18700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 18800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 18900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 19000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 19100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 19200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 19300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 19400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 19500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 19600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 19700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 19800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 19900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 20000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 20100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 20200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 20300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 20400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 20500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 20600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 20700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 20800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 20900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 21000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 21100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 21200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 21300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 21400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 21500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 21600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 21700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 21800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 21900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 22000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 22100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 22200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 22300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 22400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 22500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 22600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 22700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 22800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 22900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 23000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 23100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 23200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 23300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 23400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 23500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 23600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 23700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 23800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 23900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 24000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 24100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 24200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 24300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 24400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 24500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 24600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 24700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 24800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 24900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 25000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 25100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 25200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 25300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 25400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 25500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 25600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 25700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 25800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 25900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 26000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 26100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 26200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 26300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 26400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 26500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 26600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 26700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 26800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 26900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 27000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 27100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 27200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 27300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 27400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 27500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 27600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 27700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 27800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 27900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 28000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 28100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 28200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 28300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 28400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 28500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 28600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 28700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 28800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 28900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 29000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 29100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 29200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 29300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 29400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 29500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 29600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 29700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 29800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 29900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 30000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 30100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 30200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 30300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 30400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 30500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 30600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 30700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 30800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 30900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 31000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 31100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 31200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 31300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 31400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 31500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 31600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 31700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 31800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 31900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 32000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 32100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 32200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 32300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 32400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 32500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 32600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 32700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 32800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 32900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 33000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 33100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 33200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 33300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 33400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 33500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 33600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 33700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 33800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 33900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 34000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 34100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 34200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 34300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 34400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 34500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 34600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 34700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 34800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 34900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 35000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 35100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 35200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 35300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 35400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 35500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 35600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 35700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 35800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 35900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 36000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 36100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 36200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 36300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 36400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 36500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 36600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 36700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 36800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 36900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 37000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 37100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 37200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 37300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 37400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 37500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 37600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 37700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 37800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 37900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 38000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 38100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 38200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 38300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 38400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 38500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 38600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 38700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 38800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 38900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 39000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 39100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 39200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 39300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 39400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 39500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 39600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 39700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 39800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 39900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 40000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 40100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 40200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 40300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 40400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 40500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 40600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 40700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 40800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 40900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 41000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 41100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 41200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 41300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 41400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 41500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 41600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 41700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 41800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 41900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 42000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 42100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 42200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 42300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 42400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 42500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 42600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 42700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 42800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 42900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 43000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 43100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 43200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 43300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 43400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 43500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 43600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 43700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 43800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 43900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 44000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 44100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 44200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 44300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 44400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 44500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 44600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 44700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 44800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 44900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 45000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 45100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 45200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 45300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 45400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 45500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 45600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 45700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 45800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 45900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 46000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 46100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 46200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 46300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 46400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 46500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 46600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 46700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 46800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 46900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 47000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 47100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 47200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 47300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 47400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 47500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 47600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 47700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 47800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 47900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 48000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 48100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 48200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 48300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 48400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 48500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 48600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 48700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 48800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 48900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 49000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 49100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 49200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 49300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 49400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 49500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 49600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 49700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 49800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 49900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 50000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 50100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 50200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 50300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 50400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 50500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 50600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 50700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 50800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 50900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 51000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 51100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 51200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 51300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 51400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 51500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 51600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 51700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 51800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 51900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 52000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 52100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 52200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 52300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 52400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 52500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 52600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 52700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 52800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 52900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 53000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 53100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 53200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 53300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 53400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 53500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 53600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 53700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 53800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 53900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 54000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 54100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 54200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 54300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 54400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 54500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 54600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 54700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 54800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 54900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 55000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 55100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 55200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 55300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 55400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 55500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 55600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 55700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 55800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 55900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 56000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 56100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 56200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 56300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 56400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 56500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 56600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 56700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 56800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 56900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 57000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 57100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 57200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 57300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 57400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 57500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 57600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 57700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 57800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 57900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 58000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 58100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 58200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 58300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 58400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 58500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 58600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 58700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 58800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 58900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 59000/60000\n",
|
||
"Epoche: 2/5 Trainiert: 59100/60000\n",
|
||
"Epoche: 2/5 Trainiert: 59200/60000\n",
|
||
"Epoche: 2/5 Trainiert: 59300/60000\n",
|
||
"Epoche: 2/5 Trainiert: 59400/60000\n",
|
||
"Epoche: 2/5 Trainiert: 59500/60000\n",
|
||
"Epoche: 2/5 Trainiert: 59600/60000\n",
|
||
"Epoche: 2/5 Trainiert: 59700/60000\n",
|
||
"Epoche: 2/5 Trainiert: 59800/60000\n",
|
||
"Epoche: 2/5 Trainiert: 59900/60000\n",
|
||
"Epoche: 2/5 Trainiert: 60000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 1000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 1100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 1200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 1300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 1400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 1500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 1600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 1700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 1800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 1900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 2000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 2100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 2200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 2300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 2400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 2500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 2600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 2700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 2800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 2900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 3000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 3100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 3200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 3300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 3400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 3500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 3600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 3700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 3800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 3900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 4000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 4100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 4200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 4300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 4400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 4500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 4600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 4700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 4800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 4900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 5000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 5100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 5200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 5300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 5400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 5500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 5600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 5700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 5800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 5900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 6000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 6100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 6200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 6300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 6400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 6500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 6600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 6700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 6800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 6900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 7000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 7100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 7200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 7300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 7400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 7500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 7600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 7700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 7800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 7900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 8000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 8100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 8200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 8300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 8400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 8500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 8600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 8700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 8800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 8900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 9000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 9100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 9200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 9300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 9400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 9500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 9600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 9700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 9800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 9900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 10000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 10100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 10200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 10300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 10400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 10500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 10600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 10700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 10800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 10900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 11000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 11100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 11200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 11300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 11400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 11500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 11600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 11700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 11800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 11900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 12000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 12100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 12200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 12300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 12400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 12500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 12600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 12700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 12800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 12900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 13000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 13100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 13200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 13300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 13400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 13500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 13600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 13700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 13800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 13900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 14000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 14100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 14200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 14300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 14400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 14500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 14600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 14700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 14800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 14900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 15000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 15100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 15200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 15300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 15400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 15500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 15600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 15700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 15800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 15900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 16000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 16100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 16200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 16300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 16400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 16500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 16600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 16700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 16800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 16900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 17000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 17100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 17200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 17300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 17400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 17500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 17600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 17700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 17800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 17900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 18000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 18100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 18200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 18300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 18400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 18500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 18600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 18700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 18800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 18900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 19000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 19100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 19200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 19300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 19400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 19500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 19600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 19700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 19800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 19900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 20000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 20100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 20200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 20300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 20400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 20500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 20600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 20700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 20800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 20900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 21000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 21100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 21200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 21300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 21400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 21500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 21600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 21700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 21800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 21900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 22000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 22100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 22200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 22300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 22400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 22500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 22600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 22700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 22800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 22900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 23000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 23100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 23200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 23300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 23400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 23500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 23600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 23700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 23800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 23900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 24000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 24100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 24200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 24300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 24400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 24500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 24600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 24700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 24800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 24900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 25000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 25100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 25200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 25300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 25400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 25500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 25600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 25700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 25800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 25900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 26000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 26100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 26200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 26300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 26400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 26500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 26600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 26700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 26800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 26900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 27000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 27100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 27200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 27300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 27400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 27500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 27600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 27700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 27800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 27900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 28000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 28100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 28200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 28300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 28400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 28500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 28600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 28700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 28800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 28900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 29000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 29100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 29200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 29300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 29400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 29500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 29600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 29700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 29800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 29900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 30000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 30100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 30200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 30300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 30400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 30500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 30600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 30700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 30800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 30900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 31000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 31100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 31200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 31300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 31400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 31500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 31600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 31700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 31800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 31900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 32000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 32100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 32200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 32300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 32400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 32500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 32600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 32700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 32800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 32900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 33000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 33100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 33200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 33300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 33400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 33500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 33600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 33700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 33800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 33900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 34000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 34100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 34200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 34300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 34400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 34500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 34600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 34700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 34800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 34900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 35000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 35100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 35200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 35300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 35400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 35500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 35600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 35700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 35800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 35900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 36000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 36100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 36200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 36300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 36400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 36500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 36600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 36700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 36800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 36900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 37000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 37100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 37200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 37300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 37400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 37500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 37600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 37700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 37800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 37900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 38000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 38100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 38200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 38300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 38400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 38500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 38600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 38700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 38800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 38900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 39000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 39100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 39200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 39300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 39400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 39500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 39600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 39700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 39800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 39900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 40000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 40100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 40200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 40300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 40400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 40500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 40600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 40700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 40800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 40900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 41000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 41100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 41200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 41300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 41400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 41500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 41600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 41700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 41800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 41900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 42000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 42100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 42200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 42300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 42400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 42500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 42600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 42700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 42800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 42900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 43000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 43100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 43200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 43300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 43400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 43500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 43600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 43700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 43800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 43900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 44000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 44100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 44200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 44300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 44400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 44500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 44600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 44700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 44800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 44900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 45000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 45100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 45200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 45300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 45400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 45500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 45600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 45700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 45800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 45900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 46000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 46100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 46200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 46300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 46400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 46500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 46600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 46700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 46800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 46900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 47000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 47100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 47200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 47300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 47400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 47500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 47600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 47700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 47800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 47900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 48000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 48100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 48200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 48300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 48400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 48500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 48600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 48700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 48800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 48900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 49000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 49100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 49200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 49300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 49400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 49500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 49600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 49700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 49800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 49900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 50000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 50100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 50200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 50300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 50400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 50500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 50600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 50700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 50800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 50900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 51000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 51100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 51200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 51300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 51400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 51500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 51600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 51700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 51800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 51900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 52000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 52100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 52200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 52300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 52400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 52500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 52600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 52700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 52800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 52900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 53000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 53100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 53200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 53300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 53400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 53500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 53600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 53700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 53800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 53900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 54000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 54100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 54200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 54300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 54400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 54500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 54600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 54700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 54800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 54900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 55000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 55100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 55200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 55300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 55400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 55500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 55600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 55700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 55800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 55900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 56000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 56100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 56200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 56300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 56400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 56500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 56600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 56700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 56800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 56900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 57000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 57100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 57200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 57300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 57400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 57500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 57600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 57700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 57800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 57900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 58000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 58100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 58200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 58300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 58400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 58500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 58600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 58700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 58800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 58900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 59000/60000\n",
|
||
"Epoche: 3/5 Trainiert: 59100/60000\n",
|
||
"Epoche: 3/5 Trainiert: 59200/60000\n",
|
||
"Epoche: 3/5 Trainiert: 59300/60000\n",
|
||
"Epoche: 3/5 Trainiert: 59400/60000\n",
|
||
"Epoche: 3/5 Trainiert: 59500/60000\n",
|
||
"Epoche: 3/5 Trainiert: 59600/60000\n",
|
||
"Epoche: 3/5 Trainiert: 59700/60000\n",
|
||
"Epoche: 3/5 Trainiert: 59800/60000\n",
|
||
"Epoche: 3/5 Trainiert: 59900/60000\n",
|
||
"Epoche: 3/5 Trainiert: 60000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 1000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 1100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 1200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 1300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 1400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 1500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 1600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 1700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 1800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 1900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 2000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 2100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 2200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 2300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 2400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 2500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 2600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 2700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 2800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 2900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 3000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 3100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 3200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 3300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 3400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 3500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 3600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 3700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 3800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 3900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 4000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 4100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 4200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 4300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 4400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 4500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 4600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 4700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 4800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 4900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 5000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 5100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 5200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 5300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 5400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 5500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 5600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 5700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 5800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 5900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 6000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 6100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 6200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 6300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 6400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 6500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 6600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 6700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 6800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 6900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 7000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 7100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 7200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 7300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 7400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 7500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 7600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 7700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 7800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 7900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 8000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 8100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 8200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 8300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 8400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 8500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 8600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 8700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 8800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 8900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 9000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 9100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 9200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 9300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 9400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 9500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 9600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 9700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 9800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 9900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 10000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 10100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 10200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 10300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 10400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 10500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 10600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 10700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 10800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 10900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 11000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 11100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 11200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 11300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 11400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 11500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 11600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 11700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 11800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 11900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 12000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 12100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 12200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 12300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 12400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 12500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 12600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 12700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 12800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 12900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 13000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 13100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 13200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 13300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 13400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 13500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 13600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 13700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 13800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 13900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 14000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 14100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 14200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 14300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 14400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 14500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 14600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 14700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 14800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 14900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 15000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 15100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 15200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 15300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 15400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 15500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 15600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 15700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 15800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 15900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 16000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 16100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 16200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 16300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 16400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 16500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 16600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 16700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 16800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 16900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 17000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 17100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 17200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 17300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 17400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 17500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 17600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 17700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 17800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 17900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 18000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 18100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 18200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 18300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 18400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 18500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 18600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 18700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 18800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 18900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 19000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 19100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 19200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 19300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 19400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 19500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 19600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 19700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 19800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 19900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 20000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 20100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 20200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 20300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 20400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 20500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 20600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 20700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 20800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 20900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 21000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 21100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 21200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 21300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 21400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 21500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 21600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 21700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 21800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 21900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 22000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 22100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 22200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 22300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 22400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 22500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 22600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 22700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 22800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 22900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 23000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 23100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 23200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 23300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 23400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 23500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 23600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 23700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 23800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 23900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 24000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 24100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 24200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 24300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 24400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 24500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 24600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 24700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 24800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 24900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 25000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 25100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 25200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 25300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 25400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 25500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 25600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 25700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 25800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 25900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 26000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 26100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 26200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 26300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 26400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 26500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 26600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 26700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 26800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 26900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 27000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 27100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 27200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 27300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 27400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 27500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 27600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 27700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 27800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 27900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 28000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 28100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 28200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 28300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 28400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 28500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 28600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 28700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 28800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 28900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 29000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 29100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 29200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 29300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 29400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 29500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 29600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 29700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 29800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 29900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 30000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 30100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 30200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 30300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 30400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 30500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 30600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 30700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 30800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 30900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 31000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 31100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 31200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 31300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 31400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 31500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 31600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 31700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 31800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 31900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 32000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 32100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 32200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 32300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 32400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 32500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 32600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 32700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 32800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 32900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 33000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 33100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 33200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 33300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 33400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 33500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 33600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 33700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 33800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 33900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 34000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 34100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 34200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 34300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 34400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 34500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 34600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 34700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 34800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 34900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 35000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 35100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 35200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 35300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 35400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 35500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 35600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 35700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 35800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 35900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 36000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 36100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 36200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 36300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 36400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 36500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 36600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 36700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 36800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 36900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 37000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 37100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 37200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 37300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 37400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 37500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 37600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 37700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 37800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 37900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 38000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 38100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 38200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 38300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 38400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 38500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 38600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 38700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 38800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 38900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 39000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 39100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 39200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 39300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 39400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 39500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 39600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 39700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 39800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 39900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 40000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 40100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 40200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 40300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 40400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 40500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 40600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 40700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 40800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 40900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 41000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 41100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 41200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 41300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 41400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 41500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 41600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 41700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 41800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 41900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 42000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 42100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 42200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 42300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 42400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 42500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 42600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 42700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 42800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 42900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 43000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 43100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 43200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 43300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 43400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 43500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 43600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 43700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 43800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 43900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 44000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 44100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 44200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 44300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 44400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 44500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 44600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 44700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 44800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 44900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 45000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 45100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 45200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 45300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 45400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 45500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 45600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 45700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 45800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 45900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 46000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 46100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 46200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 46300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 46400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 46500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 46600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 46700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 46800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 46900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 47000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 47100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 47200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 47300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 47400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 47500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 47600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 47700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 47800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 47900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 48000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 48100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 48200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 48300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 48400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 48500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 48600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 48700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 48800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 48900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 49000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 49100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 49200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 49300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 49400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 49500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 49600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 49700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 49800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 49900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 50000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 50100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 50200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 50300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 50400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 50500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 50600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 50700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 50800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 50900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 51000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 51100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 51200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 51300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 51400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 51500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 51600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 51700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 51800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 51900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 52000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 52100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 52200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 52300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 52400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 52500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 52600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 52700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 52800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 52900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 53000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 53100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 53200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 53300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 53400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 53500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 53600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 53700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 53800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 53900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 54000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 54100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 54200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 54300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 54400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 54500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 54600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 54700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 54800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 54900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 55000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 55100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 55200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 55300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 55400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 55500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 55600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 55700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 55800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 55900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 56000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 56100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 56200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 56300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 56400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 56500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 56600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 56700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 56800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 56900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 57000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 57100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 57200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 57300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 57400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 57500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 57600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 57700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 57800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 57900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 58000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 58100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 58200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 58300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 58400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 58500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 58600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 58700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 58800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 58900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 59000/60000\n",
|
||
"Epoche: 4/5 Trainiert: 59100/60000\n",
|
||
"Epoche: 4/5 Trainiert: 59200/60000\n",
|
||
"Epoche: 4/5 Trainiert: 59300/60000\n",
|
||
"Epoche: 4/5 Trainiert: 59400/60000\n",
|
||
"Epoche: 4/5 Trainiert: 59500/60000\n",
|
||
"Epoche: 4/5 Trainiert: 59600/60000\n",
|
||
"Epoche: 4/5 Trainiert: 59700/60000\n",
|
||
"Epoche: 4/5 Trainiert: 59800/60000\n",
|
||
"Epoche: 4/5 Trainiert: 59900/60000\n",
|
||
"Epoche: 4/5 Trainiert: 60000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 1000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 1100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 1200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 1300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 1400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 1500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 1600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 1700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 1800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 1900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 2000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 2100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 2200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 2300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 2400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 2500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 2600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 2700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 2800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 2900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 3000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 3100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 3200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 3300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 3400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 3500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 3600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 3700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 3800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 3900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 4000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 4100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 4200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 4300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 4400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 4500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 4600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 4700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 4800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 4900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 5000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 5100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 5200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 5300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 5400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 5500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 5600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 5700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 5800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 5900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 6000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 6100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 6200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 6300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 6400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 6500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 6600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 6700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 6800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 6900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 7000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 7100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 7200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 7300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 7400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 7500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 7600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 7700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 7800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 7900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 8000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 8100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 8200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 8300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 8400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 8500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 8600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 8700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 8800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 8900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 9000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 9100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 9200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 9300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 9400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 9500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 9600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 9700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 9800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 9900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 10000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 10100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 10200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 10300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 10400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 10500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 10600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 10700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 10800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 10900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 11000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 11100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 11200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 11300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 11400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 11500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 11600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 11700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 11800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 11900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 12000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 12100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 12200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 12300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 12400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 12500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 12600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 12700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 12800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 12900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 13000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 13100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 13200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 13300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 13400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 13500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 13600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 13700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 13800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 13900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 14000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 14100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 14200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 14300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 14400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 14500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 14600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 14700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 14800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 14900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 15000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 15100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 15200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 15300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 15400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 15500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 15600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 15700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 15800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 15900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 16000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 16100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 16200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 16300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 16400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 16500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 16600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 16700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 16800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 16900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 17000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 17100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 17200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 17300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 17400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 17500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 17600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 17700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 17800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 17900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 18000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 18100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 18200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 18300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 18400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 18500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 18600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 18700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 18800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 18900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 19000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 19100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 19200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 19300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 19400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 19500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 19600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 19700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 19800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 19900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 20000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 20100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 20200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 20300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 20400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 20500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 20600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 20700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 20800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 20900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 21000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 21100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 21200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 21300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 21400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 21500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 21600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 21700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 21800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 21900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 22000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 22100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 22200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 22300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 22400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 22500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 22600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 22700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 22800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 22900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 23000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 23100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 23200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 23300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 23400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 23500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 23600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 23700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 23800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 23900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 24000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 24100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 24200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 24300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 24400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 24500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 24600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 24700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 24800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 24900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 25000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 25100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 25200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 25300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 25400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 25500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 25600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 25700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 25800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 25900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 26000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 26100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 26200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 26300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 26400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 26500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 26600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 26700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 26800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 26900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 27000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 27100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 27200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 27300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 27400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 27500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 27600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 27700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 27800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 27900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 28000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 28100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 28200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 28300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 28400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 28500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 28600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 28700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 28800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 28900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 29000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 29100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 29200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 29300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 29400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 29500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 29600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 29700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 29800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 29900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 30000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 30100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 30200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 30300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 30400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 30500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 30600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 30700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 30800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 30900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 31000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 31100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 31200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 31300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 31400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 31500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 31600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 31700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 31800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 31900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 32000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 32100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 32200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 32300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 32400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 32500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 32600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 32700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 32800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 32900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 33000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 33100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 33200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 33300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 33400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 33500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 33600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 33700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 33800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 33900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 34000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 34100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 34200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 34300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 34400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 34500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 34600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 34700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 34800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 34900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 35000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 35100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 35200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 35300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 35400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 35500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 35600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 35700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 35800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 35900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 36000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 36100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 36200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 36300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 36400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 36500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 36600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 36700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 36800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 36900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 37000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 37100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 37200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 37300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 37400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 37500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 37600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 37700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 37800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 37900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 38000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 38100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 38200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 38300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 38400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 38500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 38600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 38700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 38800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 38900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 39000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 39100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 39200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 39300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 39400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 39500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 39600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 39700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 39800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 39900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 40000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 40100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 40200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 40300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 40400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 40500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 40600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 40700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 40800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 40900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 41000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 41100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 41200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 41300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 41400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 41500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 41600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 41700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 41800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 41900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 42000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 42100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 42200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 42300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 42400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 42500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 42600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 42700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 42800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 42900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 43000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 43100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 43200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 43300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 43400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 43500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 43600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 43700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 43800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 43900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 44000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 44100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 44200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 44300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 44400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 44500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 44600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 44700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 44800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 44900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 45000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 45100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 45200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 45300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 45400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 45500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 45600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 45700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 45800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 45900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 46000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 46100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 46200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 46300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 46400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 46500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 46600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 46700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 46800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 46900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 47000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 47100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 47200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 47300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 47400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 47500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 47600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 47700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 47800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 47900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 48000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 48100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 48200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 48300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 48400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 48500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 48600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 48700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 48800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 48900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 49000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 49100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 49200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 49300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 49400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 49500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 49600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 49700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 49800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 49900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 50000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 50100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 50200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 50300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 50400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 50500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 50600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 50700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 50800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 50900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 51000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 51100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 51200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 51300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 51400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 51500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 51600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 51700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 51800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 51900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 52000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 52100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 52200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 52300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 52400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 52500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 52600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 52700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 52800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 52900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 53000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 53100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 53200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 53300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 53400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 53500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 53600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 53700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 53800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 53900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 54000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 54100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 54200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 54300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 54400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 54500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 54600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 54700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 54800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 54900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 55000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 55100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 55200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 55300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 55400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 55500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 55600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 55700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 55800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 55900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 56000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 56100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 56200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 56300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 56400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 56500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 56600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 56700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 56800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 56900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 57000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 57100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 57200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 57300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 57400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 57500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 57600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 57700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 57800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 57900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 58000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 58100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 58200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 58300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 58400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 58500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 58600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 58700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 58800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 58900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 59000/60000\n",
|
||
"Epoche: 5/5 Trainiert: 59100/60000\n",
|
||
"Epoche: 5/5 Trainiert: 59200/60000\n",
|
||
"Epoche: 5/5 Trainiert: 59300/60000\n",
|
||
"Epoche: 5/5 Trainiert: 59400/60000\n",
|
||
"Epoche: 5/5 Trainiert: 59500/60000\n",
|
||
"Epoche: 5/5 Trainiert: 59600/60000\n",
|
||
"Epoche: 5/5 Trainiert: 59700/60000\n",
|
||
"Epoche: 5/5 Trainiert: 59800/60000\n",
|
||
"Epoche: 5/5 Trainiert: 59900/60000\n",
|
||
"Epoche: 5/5 Trainiert: 60000/60000\n",
|
||
"Training abgeschlossen!\n"
|
||
]
|
||
}
|
||
],
|
||
"source": [
|
||
"\n",
|
||
"# Netzwerk-Parameter\n",
|
||
"input_nodes = 784 # 28*28 Pixel\n",
|
||
"hidden_nodes = 200 # Anzahl Hidden-Neuronen\n",
|
||
"output_nodes = 10 # Zahlen 0-9\n",
|
||
"learning_rate = 0.1 # Lernrate\n",
|
||
"\n",
|
||
"# Netzwerk erstellen\n",
|
||
"print(\"Erstelle Feed-Forward-Netzwerk...\")\n",
|
||
"network = FeedForwardNetwork(input_nodes, hidden_nodes, output_nodes, learning_rate)\n",
|
||
"\n",
|
||
"# Trainingsdaten laden\n",
|
||
"training_inputs, training_targets = load_and_preprocess_data(\"mnist_train_full.csv\")\n",
|
||
"\n",
|
||
"if training_inputs is None:\n",
|
||
" print(\"Konnte Trainingsdaten nicht laden. Stelle sicher, dass mnist_train_100.csv existiert.\")\n",
|
||
" exit(1)\n",
|
||
"\n",
|
||
"# Training\n",
|
||
"print(f\"Starte Training mit {len(training_inputs)} Beispielen...\")\n",
|
||
"epochs = 5 # Anzahl der Trainingsdurchläufe\n",
|
||
"\n",
|
||
"for epoch in range(epochs):\n",
|
||
" for i, (inputs, targets) in enumerate(zip(training_inputs, training_targets)):\n",
|
||
" network.train(inputs, targets)\n",
|
||
" # Fortschritt anzeigen\n",
|
||
" if (i + 1) % 100 == 0:\n",
|
||
" print(f\"Epoche: {epoch + 1}/{epochs} Trainiert: {i + 1}/{len(training_inputs)}\")\n",
|
||
"\n",
|
||
"print(\"Training abgeschlossen!\")\n"
|
||
]
|
||
},
|
||
{
|
||
"cell_type": "code",
|
||
"execution_count": 11,
|
||
"id": "14bcf35d",
|
||
"metadata": {},
|
||
"outputs": [
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Teste Netzwerk...\n",
|
||
"Aktuelles Arbeitsverzeichnis: /Users/safak/Documents/UNI/KI/P4\n",
|
||
"CSV-Dateien im Verzeichnis: ['mnist_test_10.csv', 'mnist_train_full.csv', 'mnist_train_100.csv', 'mnist_test_full.csv']\n",
|
||
"Lade Daten aus mnist_test_full.csv...\n",
|
||
" Datei erfolgreich geladen: 10000 Zeilen\n",
|
||
"\n",
|
||
"Ergebnisse:\n",
|
||
"Korrekte Vorhersagen: 9727/10000\n",
|
||
"Genauigkeit: 97.27%\n"
|
||
]
|
||
}
|
||
],
|
||
"source": [
|
||
"\n",
|
||
"# Testdaten laden und testen\n",
|
||
"print(\"\\nTeste Netzwerk...\")\n",
|
||
"test_inputs, test_targets = load_and_preprocess_data(\"mnist_test_full.csv\")\n",
|
||
"\n",
|
||
"if test_inputs is None:\n",
|
||
" print(\"Konnte Testdaten nicht laden. Teste mit Trainingsdaten...\")\n",
|
||
" test_inputs, test_targets = training_inputs[:10], training_targets[:10]\n",
|
||
"\n",
|
||
"correct = 0\n",
|
||
"total = len(test_inputs)\n",
|
||
"\n",
|
||
"for i, (inputs, targets) in enumerate(zip(test_inputs, test_targets)):\n",
|
||
" # Prediction\n",
|
||
" outputs = network.think(inputs)\n",
|
||
"\n",
|
||
" # Vorhergesagte und tatsächliche Klasse\n",
|
||
" predicted_label = np.argmax(outputs)\n",
|
||
" actual_label = np.argmax(targets)\n",
|
||
"\n",
|
||
" if predicted_label == actual_label:\n",
|
||
" correct += 1\n",
|
||
"\n",
|
||
"# Genauigkeit berechnen\n",
|
||
"accuracy = (correct / total) * 100\n",
|
||
"print(f\"\\nErgebnisse:\")\n",
|
||
"print(f\"Korrekte Vorhersagen: {correct}/{total}\")\n",
|
||
"print(f\"Genauigkeit: {accuracy:.2f}%\")\n"
|
||
]
|
||
},
|
||
{
|
||
"cell_type": "code",
|
||
"execution_count": 12,
|
||
"id": "d197ba22",
|
||
"metadata": {},
|
||
"outputs": [
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"Teste eigene Handschrift...\n",
|
||
"\n",
|
||
"Bild 0: meine_0.png\n",
|
||
"Tatsächlich: 0\n",
|
||
"Vorhergesagt: 0 (Konfidenz: 97.9%)\n",
|
||
"✅ Richtig\n"
|
||
]
|
||
},
|
||
{
|
||
"data": {
|
||
"image/png": "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",
|
||
"text/plain": [
|
||
"<Figure size 400x400 with 1 Axes>"
|
||
]
|
||
},
|
||
"metadata": {},
|
||
"output_type": "display_data"
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Bild 1: meine_1.png\n",
|
||
"Tatsächlich: 1\n",
|
||
"Vorhergesagt: 1 (Konfidenz: 62.7%)\n",
|
||
"✅ Richtig\n"
|
||
]
|
||
},
|
||
{
|
||
"data": {
|
||
"image/png": "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",
|
||
"text/plain": [
|
||
"<Figure size 400x400 with 1 Axes>"
|
||
]
|
||
},
|
||
"metadata": {},
|
||
"output_type": "display_data"
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Bild 2: meine_2.png\n",
|
||
"Tatsächlich: 2\n",
|
||
"Vorhergesagt: 2 (Konfidenz: 100.0%)\n",
|
||
"✅ Richtig\n"
|
||
]
|
||
},
|
||
{
|
||
"data": {
|
||
"image/png": "iVBORw0KGgoAAAANSUhEUgAAAUgAAAFeCAYAAADnm4a1AAAAOnRFWHRTb2Z0d2FyZQBNYXRwbG90bGliIHZlcnNpb24zLjEwLjMsIGh0dHBzOi8vbWF0cGxvdGxpYi5vcmcvZiW1igAAAAlwSFlzAAAPYQAAD2EBqD+naQAAGkFJREFUeJzt3QmUFNXZxvE7G+ugICiCC0ZixJUgUXBD3AUlRgRigooL5khQ1KgR97gLiVswERQjCYpRoklwQcXl4IYooiFERUkgCkENCggIAzNT33luTvVX0zPvcHuGcqaH/++cdujut6uru6ueulV1r1UQRVHkAADVFFZ/CAAgBCQAGAhIADAQkABgICABwEBAAoCBgAQAAwEJAAYCEgAMBGQDmzRpkisoKHBz5sxp6FlBHY0dO9Z169bNVVZWui3dF1984Vq3bu2efvpp1xTkfUC+9dZb7rzzznN77bWX/2F23nlnN2TIEPfhhx/WaXq33367D6znn3/erLnvvvt8zbRp0+ox56iP3/72t37jUh8ffPCB+/nPf+6++93vujZt2rhOnTq5448/PqeN1VdffeXGjBnjLrvsMldY+P+r0yOPPOJOPfVUt9tuu/llpW/fvuY0ysrK/Os7d+7sWrZs6Xr16uVmzJhRY+3rr7/uDjnkENeqVSu3/fbbu1GjRrk1a9YEz+/999/v9thjD9eiRQs/b+PGjatW89prr7n99tvPfyeab31P2fS+xx57bLXH27dv74YPH+6uvvpq1yREee7kk0+Ott9+++j888+P7rvvvuiGG26IOnbsGLVu3Tr6+9//nvP0li5dGhUWFkZnnnmmWdO3b9+offv20YYNG+o591H0wAMPaCx89NZbb9V7WluSvfbaKzrssMPqNY2LL744atu2bXT22WdHEyZMiMaOHRt17do1KioqimbMmBE0jTvuuCPaaqutonXr1lV5XPNWWloaHX744VG7du1qnddTTjklKi4uji655BI/HwceeKC//8orr1Spe+edd6IWLVpEPXr0iO65557oyiuvjJo3bx4dd9xxQfM6fvx4v6xpnbn33nuj0047zd+/9dZbMzUrV670y/bxxx/v36NXr17RnnvuGZWXl2dq5s+f7+fjH//4R43v89577/npvvDCC1G+y/uAfO2116KysrIqj3344Yd+wRk6dGidpnnkkUdGW2+9dbR+/fpqzy1ZssQH6LnnnhvVR0VFhV+pvqmAXLNmTdSUbI6AnDNnTrR69eoqjy1fvjzadttto4MPPjhoGvvuu2906qmnVnv8448/9r/xpuZ19uzZ/vf/5S9/mXlMy4WCWkGZ1K9fv6hTp07RqlWrMo+pUaDXP/vss7XO59dff50JviStI2pMfPnll/7+9OnTo1atWmUCf9GiRX76H3zwQeY1Rx11lG+Q1Gbvvff2AZzv8j4gLfvtt5+/1UUcWo899li15371q1/55+Ktu4LnZz/7WbTjjjtGzZo1i77zne/4hb2ysrLK6/SakSNHRg8++KDfIquF8Oc//znzXq+++mp00UUXRR06dPAL6A9+8IPo888/r/b+Tz/9dHTIIYf4GrVQ+vfv77foScOGDfML/cKFC/1KpboTTzwxs6Jo4dbKoscHDBjgQ1/zcO2111aZjh5XS3q77bbzn03zff/991ebp1//+tf+uZYtW/oWWc+ePaOHHnoo8/zixYujESNG+O9GLY9tttkmGjRokF/5sv3tb3+L+vTp4+t22GEHv0fwu9/9zs9fXN+lSxd/P3lLBpA+t251NXDgQD+Pm/Kvf/3Lv/ekSZNqrastIC+99FLfYk2Gntx8881+2gpa0fNaZlSfpMaBfke1gmvz1FNP+enpb9Lrr7/uH588ebK///jjj1f57KtWrfLPz50719/XMqtlJw5Ui5ZlLQvZ60G+aZIBqR9FK9cxxxxTp9drodAKql2RbApdraB6D92OOOKIqKCgIBo+fHh09913+8DRAnXhhRdWeZ0e22OPPXzr5Lrrrot+85vf+F2mOCC126RpjRs3zu/6aaUZMmRIlWn84Q9/8O+lXSrVjRkzJtpll138gpgMGwWkWtBqhejf2rXSa0XT1Ptp66550P3u3btXC8hPP/3Uh/5OO+0UXX/99X536/vf/76v025lTLtqekyBp93Du+66y6+so0aNytRMnTrVv8c111zj66+44gq/26nvce3atVUCWSunVkB9R9oYdevWLTN/8WfUSqp503NasXV77rnnMtPRdHWrq4MOOsiH+aZoY6f5mjdvXp0DUq0xLRfZnn/+eT/tadOm+fvagOr+I488Uq1WG8xNNQZuvPFG//rPPvusWsBqj0gbedF3rGVP3/3ixYv9cqy9Kf1O2qPadddd/XIe+t3U5TBXY9IkA1IrjH6cmlo7oQYPHuxDMrll126Gpnv55Zf7+3/5y1/8fS18SQoLBVmyFaM6LYjZx23igNSKktzaagusBVXHhES7ggrCc845p8rrFWRagJOPKxQ1zdGjR1epffvtt2sM7zPOOKNaQCrktDunXc7s42V6P7VERS1TBUBt4tqkWbNm+feMg1vUstX3pg1H7IsvvvChmQzITYVOfQLy5Zdf9vNw9dVXb7L2qquu8vOVvZuerbZ51XPaMGbTcqJpa+MWb2R0X/NX07Kq4/C10d6LlqeaaKOt3zWmPSDVOuf8XsGUKVP84zfddJPfdU4ej7TELdOaAj2f5P1Z7Gw64zZy5Eh34IEHumHDhtV5OjoDuX79evf4449nHpsyZYr/O3ToUP9XXRmKior8Gb2kiy++WBseN3369CqPH3bYYW7PPfes8f1+8pOf+LOdsUMPPdRVVFS4f//73/6+zmquXLnS/ehHP3LLly/P3PT+Ouv50ksvVZvmiBEjqtx/5pln/N+f/vSnVR4///zzq9zXvD/22GNuwIAB/t/J99OZy1WrVrm5c+f62rZt27olS5b43gQWnZmNbdy40XcF+fa3v+1fG08nnj/9bjqrHNtmm20y33eoxYsX+1uuPv/8c/fjH//Yfetb3/JntzdFn6O4uNiVlpa6ulq3bp1r3rx5tcd1ljl+PvnXqo2fr+19mjVrVuNz2a+/5JJL3NKlS92sWbP8Xy1z//nPf9wtt9zi7rzzTldeXu6XGfUYOeCAA/xZ72zt2rXzf7XM5LNi14R8+umnvpvG1ltv7f70pz/58Kirfv36+ZVToXjGGWf4xx5++GHXvXt336VIFF7qmqHuEEnqRhE/n6QVz6KFraYFbMWKFf7vRx995P8eccQRNb5+q622qnJfK+6OO+5Y5THNj7qiZM+Hwirpv//9rw/je++919+sMBF1T1GXKK0oms4xxxzjQ+bggw/O1Grl08r1wAMP+BUu+T+xV9gm508BmS17/tKwdu1ad8IJJ7jVq1e7V199tV6hlwttPNTNJ5s2zvHzyb9WbXIjZL3Phg0banyuptd37NjR32L6nY888kh/u+qqq9wLL7zguzJpw6x1ThskbfBi8W+c3OjnoyYTkFrRFGpasV955RUfXPVRUlLi+1Oqz+Nnn33mPv74Yx9S6hRcV7UtxFaYxwta3Al58uTJvv9bNgVikloayX55uYjfS61oqxW+7777ZjYGCxYscE8++aRvAarlqT6K11xzjbvuuut8jVobCscLL7zQB6A2YFpxTjnllEbRuVrBMXDgQDdv3jz37LPPur333jvoderzp9aUQjV7IxlKfS+10ci2bNky/zdejlWXfDy7dlPLu16vPRJt2Lbbbrsqn10t4dpe/8Ybb/gGx/z58zMNBfVz1G+p24QJE/zvr+UlFm/YO3To4PJZkwhIbQG1O6jO4WrNWLuxudKu3fjx4/2WctGiRX6l1u5GrEuXLv79sleQuGOtnt9cunbt6v9q4T7qqKPqNA3NjwJJn0WdhGMLFy6sUrftttv6z6MVKuS91EH/hz/8ob/FYXPTTTe5yy+/3O++aeVS0N52221VfjNtzLLnL3teapq/zdky0fdx+umn+xbRo48+6g+DhNLoGdH3GW8wcqXDCWqFqcN5ci9g9uzZmedFoa2NoDqxa8Md0/f97rvvVnnMeh/R6/v37595XPf1HSQPa2RvoEeNGuUuuOCCzDKo3e1koOrf2SGv7yS5N5Wv8v4YpFZirZg6XjJ16tQad9HqSruJu+yyi3vwwQd9SGrlSe62akHT+999991VXnfHHXf4FVgt2s1Fx/60At18883+OF427RaHTEPUwkvKHk2h1uzJJ5/sW4Nxq8F6L7U+knScSxsorVjxfGp62deG03vqu8ueP/2OWuFjX375pXvooYdqDOXsgI3985//9LcQat3qt9V3omDPRbys1WeY6KBBg/z3kDyUod1otbh1bHmnnXbyj6nVrY2VlkVtkGPao9BImsGDB2ce+/rrr/1GOnn8T4dmdMjonnvuqfL+uq9ROdpNrsmkSZPcJ5984q688srMY9r1jhsB+o21Acveq3n77bf9PMeHo/JV3rcgdUJEQ/7UgtTKpAUoKdns14995pln+oUvPq5YG4WcjqcplOT666+v8rze8/DDD/cLj47B6Pjkc8895/7617/63cl4i7s5KBy1MJ922ml+GJh2T9XS067/U0895cM8O6iz9ezZ0wefDrQr2Hr37u1mzpyZGZaZbJXdeuutvmWjlfScc87xoafvVydV1GrWv0XHHLVy6P214rz//vt+PrTCxa1qHdvTiqwVRtNRCGoa2kVN0okR/X5HH320Dy6F4MSJE/3xWb1fcv70WfR93Hjjjf4YpVrW8fFZHSeTTZ2o0fegYFTQKSSyl52TTjrJz4Nl11139S07fZazzjqrynMvv/yyv8UbFB3j1LxKnz59/E30/Src1NrW7q8+y+9//3s/7xoWmKRW+UEHHeQ31Dqpp5NjapXrNzjuuOMydW+++aZfLq+99lr3i1/8InN454YbbvAnMPV+2hjpUJQ+s6ar8My2evVqd8UVV/jlP7mHpFDXuqCWp07QaG8g2SqNTypq/cj3Y5B5381H3SeyOw0nb0nqO6jHnnnmmeDpx90t1K9wxYoV1Z5XFw91yencuXNUUlIS7bbbbrV2FM9mjaR56aWX/OP6m/34scce67vaqBuS+jqqm45GhWR3FK+J+rNpPtR1Rh2M1SF9wYIF1YacifrMqVZ9IfXZ1JVEo4zUlzGmvo/q2K2+i3HfS3VmTnaP0vemDufqBK/31Pyry5S64mhek9TF59BDD/XTUl/HW265xXdE1/ypS1NM/9aokDZt2lTrKB7azSfuDmXdaurInu3222/3nym7K5O6TFnTze6Qr1ErGmao71efe//99zeXUQ1QUD9N/fbqnqPf56uvvqpx2cl+H9Fvt/vuu/uO//qt1KfV6sx96aWXRt/73veqPa/BEaeffrrvdqa+qNnz+v777/v3V1/OfJf3AZkL9RfTwoeoWihpgVbn3sboggsu8IEQ0v/um6Z+qtrYTJw4saFnpVH9Xj169Mj7UTRbVEDqx9IWd1NjVpu6mjptqyWlTuzxsLbGNH/qqK4AUkf6xkotb7XK4rHXW7Lly5f7vZfsIY35qkD/aejdfHxz1PVGB9B1jEpnRdWZXTcd01J3jYams6n6X2zp7Ke6V+k4nM6a6ixzfNwO+KYQkFsYHTxXSL733nv+7KdOgOjEj040ZfelbAg6KaBuQToBoQP8OiGlkw117doE1AcBCQBNtR8kAKSFgAQAAwEJAIbgo/J53yMem/U3Tmt5yGW6ufyPLjjUjrosD7QgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAoeH/B4DIWS7/38Zchu7VdLXEpjJ0T9c5T+N7QNNGCxIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgYathIFBUVBdeWl5e7hrb77rsH13bu3Dm4tlmzZsG18+bNC65dtmxZg1+xMd+GZ4IWJACYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMDDUsJGoqKgIrh08eHBw7ZAhQ4Jru3fvHlzbqVOn4NrS0lKXhhUrVgTXPvzww8G1I0eOrOMcoamhBQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwFUeCl1tK60lu+yeV7yOUqdtOmTQuuHTBgQHAtcjdlypTg2qFDhwbXFhcX59WVK5uy0HWTFiQAGAhIADAQkABgICABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGAhIADAw1NA5V1RU1OBXH3z00UddGubPnx9c++KLLwbXvvPOO8G1S5YsCa5ds2ZNcO3ZZ58dXDt8+HCXhv79+wfXTp8+vcGXSfwPQw0BoJ4ISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwhF9mDTlbv359KtN99913g2t79Ojhmqo33ngjuHaHHXYIru3Xr19w7YknnpjKUMNcroDIUMP00IIEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGhhqmOFTriSeeCK4dPXp0cO3s2bNdGlq3bh1cW1ZWttmvICetWrUKrl29enVw7ZtvvpnKUMMOHTq4NOTynSE9tCABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGAhIADAQkABgICABwEBAAoCBoYaNxJgxY1KZbkFBQXDt2rVrXVO9EmSzZs1SmS5DAps2WpAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcDAUMNGoqSkJJWrMFZWVrp8ksvQyFzss88+qUz3k08+SWW6aBxoQQKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAANDDRuJjRs3uqYql+GDGzZsCK7deeedg2v79u3r0vDiiy+mMt1chpMiPbQgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgaGGSF2LFi2Ca9etWxdcO3r06ODa0tLS4Nr58+cH1z755JOpDLlkqGHjQAsSAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYGGqIOikuLk5l+OABBxwQXHvWWWe5NEycOLHBv7OmfJXLfEILEgAMBCQAGAhIADAQkABgICABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGAqiKIo29xXZkJ8KC8O3l5WVlanMw7x584Jr99lnn+DaOXPmBNfuv//+efWdIXeBsUcLEgAsBCQAGAhIADAQkABgICABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGLiqYROXyxDRtIaTPvHEE6kMH1y/fn1w7YgRI4JrgRgtSAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYGCoYR7K5Up6oVdvk4qKiuDayZMnB9eecMIJLg2jR49O5aqGzZs3D64tKysLrkX+oQUJAAYCEgAMBCQAGAhIADAQkABgICABwEBAAoCBgAQAAwEJAAYCEgAMDDVsJIqKilIZEpiLqVOnBtcOGjQolXm48847g2vvuuuu4FqGD6IuaEECgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABABDQRR42buCgoKQMjSy4YMzZ84Mru3Tp08q8zBhwoTg2nPPPTe4trg4fKRseXl5cC2avijwap+0IAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGrGuaosLCwwYcPzp07N7i2R48eqczD2LFjg2svu+yy4FqGD6IxoQUJAAYCEgAMBCQAGAhIADAQkABgICABwEBAAoCBgAQAAwEJAAYCEgAMDDXM8YqNlZWVqczDrFmzUhk+mMtwx4suuii4dty4ccG1LVq0CK7duHFjKsMSc/mN8+0KnqFX6MtVeQ5DOdOah4ZGCxIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgYauicKyoqSmX41R//+Mfg2t69e7s0nHfeecG148ePD65t27ZtcO3KlSuDa5GfCnIYnplPwxJpQQKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAENBFDjuJ9+u9JbL8MFcrvw3aNCg4NqpU6e6NIwYMSKV4YNpyeXqg926dQuu7dq1a3Btx44dg2tbt27d4FdWzGU43po1a4JrV6xYEVw7c+bM4Nply5bl1bDE0OnSggQAAwEJAAYCEgAMBCQAGAhIADAQkABgICABwEBAAoCBgAQAAwEJAFvaVQ1zGQKWy1DDXr16uTTkcuW/gQMHBteedNJJqQzrateuXXBtp06dgms7dOgQXNuyZcvgWuRu0aJFqQz75KqGANAEEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAsKVd1bCwMDz7Kysrg2t79+4dXDtjxozg2tLS0uBa5D5ENJcr/5WVlaWy7OQyxC6X9a2kpCS4tn379sG1CxYsSOVqlI0BVzUEgHoiIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAFgSxtq2BiGJfbs2TO4dtiwYalcJbB58+apDIXL5SqMixcvDq796KOPgmsXLlwYXLt06dLg2lWrVgXXlpeXN/hQwzZt2gTXdunSJZWhhqty+M5y+WxpXQGRoYYAUE8EJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYGGrYSIYlAvmsoBEMH8wFQw0BoJ4ISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwFFtPoP7DB3MZllhSUpJXQ7XSGnpaUVGRym/R0FfHayy/RVpDAqNG8D2kgRYkABgISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwcFVDAFuciKsaAkD9EJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAUN+rGjbVq5YBgIUWJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAC4mv0fFLAjl+xGQqAAAAAASUVORK5CYII=",
|
||
"text/plain": [
|
||
"<Figure size 400x400 with 1 Axes>"
|
||
]
|
||
},
|
||
"metadata": {},
|
||
"output_type": "display_data"
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Bild 3: meine_3.png\n",
|
||
"Tatsächlich: 3\n",
|
||
"Vorhergesagt: 3 (Konfidenz: 96.0%)\n",
|
||
"✅ Richtig\n"
|
||
]
|
||
},
|
||
{
|
||
"data": {
|
||
"image/png": "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",
|
||
"text/plain": [
|
||
"<Figure size 400x400 with 1 Axes>"
|
||
]
|
||
},
|
||
"metadata": {},
|
||
"output_type": "display_data"
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Bild 4: meine_4.png\n",
|
||
"Tatsächlich: 4\n",
|
||
"Vorhergesagt: 4 (Konfidenz: 98.5%)\n",
|
||
"✅ Richtig\n"
|
||
]
|
||
},
|
||
{
|
||
"data": {
|
||
"image/png": "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",
|
||
"text/plain": [
|
||
"<Figure size 400x400 with 1 Axes>"
|
||
]
|
||
},
|
||
"metadata": {},
|
||
"output_type": "display_data"
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Bild 5: meine_5.png\n",
|
||
"Tatsächlich: 5\n",
|
||
"Vorhergesagt: 5 (Konfidenz: 99.7%)\n",
|
||
"✅ Richtig\n"
|
||
]
|
||
},
|
||
{
|
||
"data": {
|
||
"image/png": "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",
|
||
"text/plain": [
|
||
"<Figure size 400x400 with 1 Axes>"
|
||
]
|
||
},
|
||
"metadata": {},
|
||
"output_type": "display_data"
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Bild 6: meine_6.png\n",
|
||
"Tatsächlich: 6\n",
|
||
"Vorhergesagt: 6 (Konfidenz: 82.7%)\n",
|
||
"✅ Richtig\n"
|
||
]
|
||
},
|
||
{
|
||
"data": {
|
||
"image/png": "iVBORw0KGgoAAAANSUhEUgAAAUgAAAFeCAYAAADnm4a1AAAAOnRFWHRTb2Z0d2FyZQBNYXRwbG90bGliIHZlcnNpb24zLjEwLjMsIGh0dHBzOi8vbWF0cGxvdGxpYi5vcmcvZiW1igAAAAlwSFlzAAAPYQAAD2EBqD+naQAAGC5JREFUeJzt3QmQFNUdx/G3sIAgIEQEuQJ4IAgJoNESywONF+CF8TZREVBI8CJIRIigoBADgoIcgVQk8UpKQUWC0ULEioKKCh5oBAQFUQ5DBFHOfanfS/XW7Oz84c0uE9bh+6nagun9T3dPT8+vX/d7vVPgvfcOAFBKpdKTAABCQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQFZAQ4cOdQUFBW7Dhg37elVQRl26dHG9evVy+eyEE05wAwYMcPksrwPy7bffdueff777wQ9+4GrUqOHatm3rHnzwwaznc9NNN4XAWrZsmVkzaNCgUPPuu++Wc61RVvfee697+umn9/m+8+qrr7oXXnjB/eY3vykx/YsvvnDXX3+9a9Gihatevbo7/PDDXb9+/dxXX31VXFNUVOQefvjhsOymTZu6Aw88MCx7+PDhbuvWrXtc9sqVK8N+aP2khvbnn3/uunbt6mrXru2OPvpoN3PmzFLzmz59uqtfv777+uuvS/1Or++hhx5yX375pctXBfl6L7Z20PPOO8916NDBXXbZZa5mzZpu+fLlYQe87777sprX66+/Ho6Wd911l7vzzjsz1hx22GFhGXsjINWC1LLWr1/v6tWrV+757S+0/S+++OIQMPty37nwwgvdd9995/7xj38UT/vmm29C0G3ZssX98pe/DOG3ePFiN3nyZNemTRv31ltvuUqVKoW6WrVqhf3t3HPPDeE0f/58N23aNHfKKae4l156KQSdRfOfMWNGqenPP/+8e/TRR93f/vY3d8kll4RpZ5xxRghJNQAU6k8++aT76KOPXPPmzcPvt27dGoLz9ttvD8GeTtujcePGIXTvvvtul5d8Hvr66699gwYNfLdu3fyuXbv2yjyPOOII36pVq4y/e+2113SQ8SNHjizXMnbs2OG3bdvmhwwZEua3fv16n0tbtmzx+eTAAw/011xzzT7dd9auXesLCwv91KlTS0x/9NFHw3v63HPPlZh+5513hulvv/12eKz3/9VXXy0137vuuivUvfjii74sfvrTn/ratWv77777Ljz+9ttvfUFBgZ83b154XFRU5Fu0aOEnTZpU/Jxhw4b59u3b73Y79O3b1zdr1iw8Px/l5Sn2Y4895tauXevuueeecFTWUVVHu/K46qqrwtFVp16Zlqej+hVXXBEer1u3zvXo0cM1aNDAHXDAAa5du3ahBZDpVGjUqFFu7Nix4XSrWrVqbsmSJcU1//nPf9y1117r6tSp4w466CDXvXt39+2335Za/iOPPOKOPfbYcNqmU8LLL7/crVq1qkRNp06dQgtGLRW1RHTaeMcdd4Tf6RTvF7/4RTjV0rKuueaa0LrR+qW3xrQN1ErTcvTafvKTn7hnn322RM2OHTtCC/jII48MNQcffLA76aST3Isvvlhco5a2Xpta3qo59NBD3XXXXVfidDPx8ssvh+WoTttJra7kOm1C/9f7rO2cnE5q/qnr/dlnn2V8b/fmvjNr1iy3c+fO0DpLtWnTpvCv9olUDRs2DP/qvZOqVau6E088sdR8u3XrFv798MMPXbZ0aj937lx30UUXhW2YtA518li3bt3wWNtL732yf6llOXLkSPfAAw+E7WA588wz3aeffuoWLVrk8pLPQz/72c/C0VJH25YtW4Yjr1oXvXv3Lj6CZuvjjz8O8/n1r39dYvrOnTt9/fr1/SmnnFJ8ZG7durWvUqWKv/XWW/2DDz7oTz755PDcsWPHFj9vxYoVYdrRRx/tDzvssND6HDNmjP/000+LW5AdOnTwF110kZ8wYYLv2bNnmDZgwIASyx8+fHhoCVx22WWhTi2NevXq+ebNm/uNGzcW15166qn+0EMP9Ycccoi/8cYb/eTJk/3TTz8dWgcdO3b0lStXDq2B8ePH+zPPPNO3a9cuLO9Pf/pT8Tzef/99f9BBB4V1/t3vfhdq9bq1/OnTpxfX3XHHHWFar169/JQpU/zo0aP9FVdcUaKFPWrUqLBd7r77bv+HP/zB33zzzb569er++OOPL9EaUcuqWrVq4fXo+ffcc49v1KhR8fol/vKXv4Q6zVP/149a9gnVahvket/R+3TwwQeXmv7BBx/4SpUq+RNPPNHPnz/fr1q1ys+aNcs3adLEX3jhhXuc7wsvvBDW5bHHHvPZuv/++zO2Pg8//HB/+eWX+08++cQ/8sgj4T375z//GX535ZVX+osvvniP8169enWY97hx43w+ysuA/PGPf+xr1KgRfhQGTz31VPhXb6R2iLI67rjjwg6desrx/PPPh/kqcEQhqMfa4RLbt28PIVSzZk2/adOmEgGpD+O6detKLCcJyOuuu67EdJ32pX74Vq5cGYJNoZHqvffeC6d5qdMVDppn6imUaNukh7de3+mnn14qIHWa9qMf/chv3bq1eJrCTB/6I488sniawqtr16673ZY6kKR7/PHHwzJfeeWV4mnnnXdeeB8///zz4mlLly4Nry/9+L67U+zYgCzvvnPSSSf5Y489NuPvdNpdp06dMK/kR+urSyt7csYZZ4R9JfWgF0vr07Bhw1KnynPmzPF169YtXpdbbrklTNcpvg5WK1eujJp/1apVfZ8+fXw+ysuAVItMb7iO+qluuOGGMF2twbJ44IEHwvPnzp1bPO3qq68OO8i///3v8Piss84KLbX0nTH58M+cObNEQHbv3r3UcpKAfOONNzK2BHSdLHmso74CQ9crU3/UitWHKqFwUAtL17hSqZWn1m769cgkOJOA/Oqrr8KydF0qfVnJ9TG1JpJlqcUXu53VMtN8km2ShLVa5/qgqjWTTsGZTUD+v/ad9O2eavbs2WH/0OubMWOG79evXwj69LOSdDrQadk6Q8jWv/71r/Bcnc1ksnnzZr9gwQL/2WefhcfabxWogwcPDo+1zKOOOiq0pidOnJhxHrpme8kll/h8lJcB2aZNm7BTJBegE3qs6dOmTSvTfHUBXi02hUrywa5Vq5a/4IILimu0M+k0L92iRYvCsnVaKkkY6BTTCsgvv/yyxHSFlaYnR3YdtVNbI+k/ag0lFFr68KfTB/aHP/xhqemLFy8uEZCvv/76bpeV2tGg7Zy0lNq2bev79+8f5pdKgXvTTTeFyxPp81Hgypo1a8JjdWSk0wc+FwFZ3n1HAamWdjqdumrfefPNN0tMHzp0aDjw6BQ8kyeeeCL8vkePHmV6PUkn0MKFC6Pq1cpt3Lix/+abb8IpubapwlyXY9Sqfumll0o9R+/hpZde6vNRoctDjRo1ch988EGpC+IaMiEbN24s03z1fF2Ufuqpp8L4L40b27x5c+jAKavk4nwmlStXzjg9GZmlzgNdXJ89e3bGWg1PiV3WniQdFf3793dnn312xpojjjgi/KtOIA2LeeaZZ8KQmalTp7oxY8a4SZMmuZ49e4aaSy+91L322mvutttuc+3btw/rqmWcc8455e5Q25f7jjqkMtWoY0nzVGdTKo13VIeTtoWG1KRSp9bVV18dxipq25WFOp2OOuqo0Im3J+pI0nhedRxq/OXjjz8eOuQ0bEn0fw0VOu2000o8T52J+TocLS8DUjuDdi71xGnnSKxZsyb8e8ghh5R53gpDjSlTKGnnU8+vxswlmjVrFnpo9SFP7f1TL2ry+71FPboKSw08btmyZZnmofVRD6d6L9WznUgfFK/eZqlSpUqpHtpM1MutXnf9aGyfQlNBoIBUgMyZM6fUuNKlS5eWCiX1umYaoJ9p2u7GB/6/9p1WrVqFA2g69Yzv2rWr1HT1+It6vtPH3qrnWoGqsYuFhdl/VDUPbafYMYqq076UHPDXrFkTxoKmHjzSe6u1nbZv3+5at27t8lFeDvNR60T++Mc/lpiulox2NA15KSsdTRUkEyZMCCGZOnQiucVMdxb89a9/LZ6mnX/cuHGhlXTqqae6vUXLVstRQZM+3l+PMw2ZSafWoD6kU6ZMKZ6mcFcLOT2stN3UEtKwkXQa1J5IX65et1qX27ZtC4+T1m76Omu4UyrVKYx1d0wSUKIPvbZ9OrV61JrJJHaYT3n3nY4dO4YDwCeffFJiug5gCkkNWUqlVpqkBpGG8qjVqAHbzz333G5b/rt7XTqAy5VXXun25OOPP3bjx48Pw3qSA02DBg2KD+zJemk4VioNG5NMQ5Pygs9T6gHWy9O1kYceeihcRNbjgQMHZrzel9rxsifqNEiul6UPnUiG+ajjRhffNfwh6UHONMzn97//fan5WwPFk2uQem5ixIgRYZp6ku+7775wIV1DgdSrnDpvrYOur6VTR4iG1qQO89F1SQ0Q1nwffvjh4lpdJ1Ovp3rSb7/99jA8R502Xbp0KXG9M7kmpaFAGuajDg5dR1NvcELDg3RNa9CgQaEjQENdkqE7ev0JXTvTtlSnj+Z37733hmE+yfql0nrompmGFalTTJ0P2fZiZ7PvZKLrxup4SUY1JD766KOwbhrJoPloNIGGPmm+GlaV0CiHpk2bhiFBGtaUDFnKNHRpd69L76s6T0444YSo16xtpw7HVDNnzgzrofXVj/7/97//vUSN9hldw87XgeJ5G5AaWqML4Brlr15a3QmjcYbpFGL68H744YfR89b4Ne2YmYZOJJ056p3WeER9uDU0JnW4zN4MyKTHWcNL9AHUj+74+dWvfhV6MPcUkKLlKPTV4aRxjtdee20Y6qFlqZMg1fLly8MHST312q66oH/uuef6J598ssTYTIWuOmrUC631UU+s3pOEerw1bEk1WqZCKOmUSQ3IZDiKxoRqW2rsnjoS9L4dcMABpUJIwatlJkNoyhKQsfuO5fzzz8/YUaP109hCBaDmq/mrAyt1BEGyX1g/6Z1Q1utKhp9pHG7M/qzg1vZPN2LEiHBA0r6uA1Qq7fuanvR456O8DchsxjbGDIjd36jnUh+wZOBwRaORAwquikjjONXaKutwsu/TPlK9evWMwZov8vaPVcRQr50uuuvCc75eZI6hP6yQep1LnQlnnXWWW7hwYbieWp7e71ysnzpz9AcedEtk6rXTiqRz586uSZMmFXb99oaOHTu6k08+Oes//vJ9sl8HJP5HPcsKIe3w6kjRn7jSsBP9+bCBAwfu69UL9ysn923rvt+JEyeG9XznnXfC/d5ArhCQCL2do0ePDr3D+iMG6nHu06eP69u3r6sINFRIQ5HUmtUf9FCQK7yPOeaYfb1qyHMEJADsT+MgAWBvICABwEBAAoAh+gbPvXGfKwBUBLFdL7QgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCi0fgFUdJ07d46ubd++fXSt9z669tlnn42uXbJkSXQtKgZakABgICABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGAhIADAQkABgICABwFDgI++rKigoiCkDynVL4P333x9d26pVK/d90qVLl+ja2bNn53Rd9nc+8nZSWpAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcDArYYok3HjxkXX9u3b1+1rixcvjq6tWrVqdG3r1q2ja999993o2nbt2kXXInvcaggA5URAAoCBgAQAAwEJAAYCEgAMBCQAGAhIADAQkABgICABwEBAAoCh0PoF9j+zZs3KyTf0ZWP+/PnRtf369YuuXbBgQXRt7969o2snTpwYXVulSpXoWlQMtCABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGAhIADAQkABgICABwEBAAoCBWw3z3Ny5c6NrO3XqlJN1GD16dHRt//793b62YsWKnMx3xowZOZkvcocWJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBR4731UYUFBTBn+D6ZPnx5d261bt5ysw2233RZdO2rUKJevGjRoEF27du3anK4L4kXGHi1IALAQkABgICABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGAhIADAQkABg4FsNK4hsvs0vV7cPDhw4MLo2n28fzAa3D+Y3WpAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcDAtxrmUP369aNrV69eHV1bpUqV6NrJkydH1/bu3Tu6Fvg+41sNAaCcCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMPCthjk0YMCAnNw+uGTJkpzcPti0adPo2gsuuCC6tnnz5tG1hYXxu+T69eujaxcuXBhdO2fOnOjanTt3Rtfi+4cWJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMPCthlmqVCn+mLJq1aro2kaNGkXXjhw5Mrq2Xr160bU9e/aMrs1n2dzCOGbMmOjaESNGlHGNsLfxrYYAUE4EJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYuNUwS+3bt4+ufeedd6Jrt23bFl27a9eu6NoaNWq4fX073vvvv5+Tbwls2LBhdG3btm3dvvbyyy9H15522mk5XZf9nedWQwAoHwISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAyF1i+QWZs2bXIy38LC+LeiWrVq0bVbt26Nru3Xr1907ZQpU3Jy+2CuNG/ePLp28ODB0bU9evSIru3UqVN07bBhw6Jrf/vb30bXIju0IAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIFvNcxSnz59omsnTJgQXbtp06bo2tq1a0fXLlq0KLq2Q4cO0bX4nyFDhkTXDh06NLp29erV0bXNmjWLri0qKoquzWd8qyEAlBMBCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGvtUwS+vWrcvJfLO51fCWW26Jrn3llVfKuEb5JZtbZWNvQ8v22x2zudWwTp060bU1a9bMyX4GWpAAYCIgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcDArYZZmjdvXnTtjh07omubNGkSXbtly5bo2uXLl0fX5rNsbh/MRq9evXIy3w0bNkTXbt68OSfrAFqQAGAiIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAwK2GObwFbOrUqdG1ffr0ia594okncnK744wZM6Jr89mgQYOia4cMGZKTdfjzn/+8z2+jBC1IADARkABgICABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGAhIADAQkABgKPCR9ykVFBTElCFFpUrxx59ly5ZF17Zo0cLlwuzZs6Nrn3nmmejaFStWRNcWFRVF1x5zzDHRtT169IiubdmypcuFBQsWRNd27NgxJ+uA7G7PpAUJAAYCEgAMBCQAGAhIADAQkABgICABwEBAAoCBgAQAAwEJAAYCEgAM3GpYQdStWze6du7cudG17dq1K+MaIca0adOia7t37x5dyzcV5ha3GgJAORGQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGDgVsM89/Of/zy69qqrroqubdOmTU5uo6xcuXJ07dq1a6Nr582bF107duzY6NpFixZF16Li4FZDACgnAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADNxqiDLJ5pbAWrVq5WS+GzdujK4tKiqKrkX+89xqCADlQ0ACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIFbDQHsdzy3GgJA+RCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkAhkIXyXsfWwoAeYEWJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAC4zP4L5hP45dqIyeYAAAAASUVORK5CYII=",
|
||
"text/plain": [
|
||
"<Figure size 400x400 with 1 Axes>"
|
||
]
|
||
},
|
||
"metadata": {},
|
||
"output_type": "display_data"
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Bild 7: meine_7.png\n",
|
||
"Tatsächlich: 7\n",
|
||
"Vorhergesagt: 7 (Konfidenz: 62.3%)\n",
|
||
"✅ Richtig\n"
|
||
]
|
||
},
|
||
{
|
||
"data": {
|
||
"image/png": "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",
|
||
"text/plain": [
|
||
"<Figure size 400x400 with 1 Axes>"
|
||
]
|
||
},
|
||
"metadata": {},
|
||
"output_type": "display_data"
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Bild 8: meine_8.png\n",
|
||
"Tatsächlich: 8\n",
|
||
"Vorhergesagt: 8 (Konfidenz: 76.3%)\n",
|
||
"✅ Richtig\n"
|
||
]
|
||
},
|
||
{
|
||
"data": {
|
||
"image/png": "iVBORw0KGgoAAAANSUhEUgAAAUgAAAFeCAYAAADnm4a1AAAAOnRFWHRTb2Z0d2FyZQBNYXRwbG90bGliIHZlcnNpb24zLjEwLjMsIGh0dHBzOi8vbWF0cGxvdGxpYi5vcmcvZiW1igAAAAlwSFlzAAAPYQAAD2EBqD+naQAAF9dJREFUeJzt3QmUTvUfx/HfTNbSYmRoU4miIksbaSdZKm2yVNqXU2nXooVSSoQoxDmtolPaRRztKtK+ECqytEhKE0W6//P5/c99zvM883z5jfE04+n9OmfK3PnOvfe5c5/P/d3f73dn8qIoihwAoJj84osAAEJAAoCBgAQAAwEJAAYCEgAMBCQAGAhIADAQkABgICABwEBAlkN9+vRxeXl57ueffy7rXcFGat++vTv//PNdLjv44INdr169XC7L2YCcN2+e69Kli9t5553dlltu6Ro0aOBuu+02t2rVqhKvq2fPnj6w5s+fb9b07t3b13z66ael3HNsrDvvvNM999xzZX7uTJ8+3U2ZMsVdd911xS561oe+J9k///zjRowY4Zo0aeKqVq3qatSo4Y466ij3ySefbHD7V155pWvWrJkrKCjw+9+wYUO//aKiopS6JUuWuA4dOrhtttnG7b333u7FF18stq5nnnnGFRYWut9++63Y1/T67r//fvfDDz+4nBXloO+++y7abrvtol133TXq379/NGrUqOiss87SM+fR8ccfX+L1vffee/57+/bta9bsvvvuUaNGjaJN4dZbb/XbW7Zs2SZZ33/FVlttFfXo0aPMz50TTjghOuaYY1KWffLJJ9Fjjz1W7GOXXXaJqlevHv31118p9XodFSpUiM4555xo9OjR0ZAhQ/yyKVOmbHD7hxxySNSzZ8/ovvvuix588MHo4osvjipXruyXr1u3LlF39NFHRw0aNIgeeOCBqHv37r7m22+/TXx99erV/rzWMchE66pdu3Z08803R7kqJwPyjjvu8Cf0559/nrL8zDPP9Mt/+eWXEq+zXr16/mTK5J133vHrveuuu6LSWLt2rX+j/FsB+ccff0S5ZFMEZGnPnR9//NEH25gxY4LCOC8vLzr//PNTlj/55JN+W88880y0qQwcONCv89133/Wfr1q1ym/7jTfe8J//888/PgxHjhyZ+J7bb789atKkSUqoprv00kv9xUTfn4ty8hZ75cqV/v+1atVKWb7DDju4/Px8V6lSpRKvs3v37m7OnDnuww8/LPa1J554wt8mde3a1X/+008/uXPPPddvv0qVKm6//fZzjzzySMr3LFiwwH/PwIED3ZAhQ9wee+zhKleu7L788stEza+//urOOusst91227ltt93WnX322Rlv8x5//HHXvHlzfyum2yrdHi5atCil5ogjjnD77ruv++CDD9xhhx3mb71uvPFG/7Xly5e7M844w99qaVs9evTwt3Lav4cffjhlPToGp5xyit+OXtv+++/vXnjhhZSatWvXur59+7r69ev7Gt0etmrVyk2dOjVRo64Ivba6dev6mtq1a7tzzjnH70u6119/3W9HdTpOo0aNStyyxvTvP/74wx/n+LZV60/e7++++85l+9yZOHGi+/vvv13r1q03uK1x48apgeLPrWT33nuvO/DAA92JJ57ob7X1ukprt912S5xT8ueff/ptV69e3X+u46WffXx+6fb7rrvuckOHDvWv29KmTRu3cOFC9/HHH7ucFOWgSZMmJW6JPvroI3+lHj9+fLTNNttEV1xxxUatc+7cuX6dV199dcryv//+OyosLIwOO+ywxJW5YcOGUcWKFaMrr7zS3+Yceuih/nt1mxTTrYyW7b333lHdunV963Pw4MHRwoULEy3Ipk2bRieddJK/BTrvvPP8sl69eqVsv1+/fr4lcNppp/k6dQNsv/320W677RatWLEiUXf44Yf726GaNWtGl112mb9teu6553zroEWLFtEWW2zhWwPDhw+P2rRpE+23335+ew899FBiHWpVbbvttn6f7777bl+r163tJ7d2brzxxkTLSLeHgwYNirp27ZrSwlaLRsfltttu87eBl19+eVS1atXowAMPTGmNfPjhh/7WT69H368W3o477pjYv5huV1Wndca3r2rZx1SrY5Dtc0c/pxo1akQhGjdu7G+xk1/vb7/95o/dJZdcEt1www1RtWrV/P6odaeWZUnuRnQHsmTJkuiVV17xdz9bb711tHz58kTNHnvsEXXp0iX65ptvoscff9xv9+233/Zf69atW3TKKadscDuLFy/2+zds2LAoF+VkQMa3B3rD6YcXf/Tu3btU6zzggAOinXfeOeWWY/LkyX7dcT+NQlCf64SLrVmzxoeQTvaVK1emBKTeeD/99FPKduKAVP9TshNPPDHlzbdgwQIfbAqNZJ999pm/zUternDQOpNvoWTChAnFwluv76ijjioWkOqzUj/rn3/+mVimN3fLli2j+vXrJ5YpvDp06LDeY6kLSbpx48b5bb755puJZccdd1y05ZZb+jd6bN68ef71pV/f13eLHRqQpT13WrVqFTVv3nyDdbrYZLrg6YKg5fo516pVy1/0xo4d6y8cCjAFeAjdSifv/1577RW99tprKTXTpk3z/Z9xTXwBmD59un/9CxYsCNpWpUqVfD9nLsrZgFQLom3btr51ohBQ2OgEK82VbujQof5ESj7R1DelEyTum1LnvFpq6f028Zv/xRdfTAnIs88+u9h24oCcOXNmyvJ7773XL1crI/5cr0mBodZC8odasa1bt058r8JBLaz0wQC18tTaTe+PjIMzDki1PLQthUf6ttRqVa1aE/G21OJTqzuEBgO0nviYxGGt1rneqGrNpFNwliQg/61zJ/24W9Q61P5r8CaZLg5xYGlwMPb777/7OwMNtITQOTJ16lR/l6AQbtasWeLcS6b1ajtqKYvOWwX8TTfd5D9XQCtc99xzz2jEiBEZt6UgP/XUU6NclJMBqTDSG2vRokUpyzUaqdbIzz//vFHrVQe8Wmxxp7re2Lpt0ahlTCeTbvPSffzxx/6k122pxGGgW0wrIH/44YeU5QorLY+v7LpqJ7cS0j90CxdTaOlWPp0CvU6dOsWW642bHJAzZsxY77b0odaPqONfI8Fatu+++0bXXHNNsSBQ4GqkVd0T6euJZwssXbrUf37LLbcU2z91X2QjIEt77igg1dJeH7W6NbChY5Pu/fffT9xSp9PFVBcz3T6XlFqh+fn5/jxcHw0u7bTTTlFRUZEPWB3TZ5991getXv+rr75a7Hv0M+zcuXOUiyq4HPTAAw+4pk2b+nlsyY4//ng/6PDRRx8FdaKn03wwdUpPmDDBz//SvLHff/+9WCd7SWhgxbLFFltkXB7/lQx14KtzfdKkSRlrq1WrFrytDdG25JprrnFt27bNWFOvXj3/fw0Cff311+7555/38wHHjBnjBg8e7EaOHOnOO+88X9O5c2f3zjvvuGuvvdbP9dO+ahvHHntsYlub47mjAakVK1asdxua86iBjf79+xf72o477phxkCg+/zQApkEbDdqVxEknneQH4saPH+8HDa0BKs3n1cDhVltt5QeRNCDXqVMn/3X9e+zYse7II49M+T4N/Gy//fYuF+VkQP7444+J0blkOrlEo4wbS2E4efJkH0oavdbI73HHHZf4+q677upHaPUmTx790yhq/PVNRSO6Csvdd9/d7bnnnhu1Du3Pa6+95kcvNbIdS58Ur9FmqVixYtDFRaPcGnXXhyYoKzQ18qyAVIBMmzbNj3TfcsstKRO00wNBI9eZJuhnWpY8ql1W544mlesCuj4KGe1rt27dMgakRvQ1ipxu6dKl/nhsvfXWrqT++usvf05mmvAd02R4nUvxBX/p0qX+YpG8b+mj1drPNWvW+MnouSgnp/koLHSlnzt3bspyXREVWo0bN97odetqqiBRS0MhqSuzTtrkR8z0ZMGTTz6ZWKY31bBhw3wr6fDDD3ebiratlqOCJv1vr+nzTFNm0qk1qDf/6NGjE8v0RlILOT2sNFVIU2y+//77YutZtmxZ4t/p29XrVutSb1KJW7vp+6zpTslUpzDW0zF6syaHo459OrV64mks6UKn+ZT23GnRooW/AHzzzTcZv65j/dRTT/lpT3Xq1MlYc9ppp/lpWsnTovTYqVrkepomvvBqXXpdyT8Pvf44zJOpFS+aLpWJXu/w4cP9tJ74QlOrVq3EhV1mz57twzuZpo1Jy5YtXU6KcpD6wNRXqL4R9fHdf//9Ubt27XzfjqZhZOrvSx/hWx8NGsT9ZeqnSRZP89HAjaYEqWM/HkHONM3nnnvuKbZ+a6J43AeZ/LSDnvbQMo0kDxgwwHekq1Neo8rJ69Y+7LPPPsW2pYEQjZAmT/NRv6QmCGu9Dz/8cKL2iy++8KOeGmG9/vrr/SCGBm3at2+f0t8Z90lpKpCm+Vx44YV+kEPTi2KaHqQ+LY0OayCgU6dOiak7ev2xWbNm+WOpQR+t78477/TTfOL9S6b9UJ+ZphWpLzF5kCN0FLsk504m6jfWCLv19IkGSjLNJkhfxw477OD7t3UsNBinQRL1jSb3IcbnUHK/q/oLNXVIfbQ6rjrnTj75ZH/8999//2KDdMnHTgOO6fuan5/vB5T0oX+//PLLKTU6Z9SHnasTxXMyIONBBZ3YGlFWx7ZOME17Se/gVojp5Jk9e3bwuidOnOhPTJ3EmZ4y0GCOOtQ16qg3t6bGJE+X2ZQBKRpp1fQShYM+NOdN8+i++uqrDQakaDsKfb0hNc9RAxKa6qFtaQ5gsq+//tq/keLjqg79jh07Rk8//XTK3EyFrgZq9KbW/ujYa7pTTCPemrakGm1To6DxoExyQMbTUTQnVMdSc/c0kKCfW5UqVVLq5syZ44M3nqKTHBwlmeYTeu5YNIfSGqjRvEOtM3k+YiY6zjo+mgam16NpV+mzGjIF5Pz58/3PRwNy+j4dI/3cdUw18GKdz5qCpuOfrn///v6CpHNdF6hkOve1PB7xzkU5G5AlmdsYMiH2v0YtEb354onD5Y1mDujxz/JIU3XU2gqd5rQ5nyNVq1bNGKy5Ik//cf9RGrWrWbOm73jO1U7mEKtXr04Z4V63bp075phj3KxZs3x/amlGv7OxfxrM2Wefffwjkcl9p+VJu3bt/Eh4ed2/TaFFixbu0EMPdQMGDHC56j8dkPg/jSwrhHTCayBFv+JKU3D068NuuOGGst49/xx0/Ny2psfo14BpPzWYoue9gWwhIOGnKw0aNMiPDuuXGGjE+eKLL3aXXnqpKw80VUhTkdSa1S/0UJArvPU7D4FsIiAB4L80DxIANgUCEgAMBCQAlPZZ7E3xnCsAlAehQy+0IAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGCoYH0BWJ/8/PBra8OGDYNrq1SpElxbVFQUXDt37tzg2iiKgmuR22hBAoCBgAQAAwEJAAYCEgAMBCQAGAhIADAQkABgICABwEBAAoCBgAQAA48aIqFnz57Btb179w6uLSwsdGXtl19+Ca7t3LlzcO20adM2co+wOaAFCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADHlR4J9wy8vLCylDOfuLgm+99VZwbcuWLd3m9EhgQUGBK2uNGjUKrv3888+zui9wm/wvV9KCBAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABh413AxNmTIluLZNmzZZ2Ydhw4YF1/bt2ze4dsWKFcG1derUCa594YUXsvL44KOPPhpc26NHj+BaZBePGgJAKRGQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGCoYH0B/66DDjqozB8fvOiii4JrR40a5craggULgmtff/31rDxqWKVKleBabH5oQQKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAAOPGpYTzZo1y8p6582bV+aPD5bkL2KG/rW5kj7m16VLF5cNX331VVbWi/KBFiQAGAhIADAQkABgICABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGAhIADDwqGE5Ubdu3ayst379+sG1HTt2DK596aWXsvL4YElMnDgxuLZmzZpZ2Yf77rsvK+tF+UALEgAMBCQAGAhIADAQkABgICABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGPKiwOfASvKX6fB/lStXDq5duXJlcG3FihWDa7P1c3vkkUeCa/v16xdcO3LkyODao48+2mXD6aefHlw7duzYrOwDsiv08VdakABgICABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGAhIADAQkABgICABwMCjhuXEnDlzgmv32muv4Nrly5cH1xYUFATXbm7nw1VXXRVcO3jw4KzuC8oejxoCQCkRkABgICABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGAhIADAQkABg4FHDcqKwsDC4tk6dOsG1s2bNCq6dMmVKcG2bNm2Ca4uKioJrq1WrFlw7Y8aM4NqDDz44uBa5L+JRQwAoHQISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAw8apjj7rnnnqz85b/8/M3r2tqvX7/g2ptvvjmr+4Kyx6OGAFBKBCQAGAhIADAQkABgICABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGHjUsJyoWLFicO3MmTODa5s0aeKyYerUqcG1J5xwQnDtkCFDgmsvuOAClw0HHXRQVn4WKD941BAASomABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADjxqWE59++mlwbaNGjbKyD3379g2u7dOnjytrs2bNCq5t3rx5cO3kyZODa9u1axdci/KDRw0BoJQISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADAQkABgISAAw8KhhFnXp0iW4dty4ccG169atC649/fTTg2vHjx/vNiedOnUKrn322WeDa4uKioJrCwsLg2tXr14dXIvs4lFDACglAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAGAhIADBWsL6D0GjRokJX1Tp8+PWcfHyyJt99+OyvrrVatWnDtTjvtFFw7f/78jdwjlBVakABgICABwEBAAoCBgAQAAwEJAAYCEgAMBCQAGAhIADAQkABgICABwMCjhlm0aNGirKy3SZMmwbU1a9YMrl22bJnbnHTo0KGsd4G/VJjjaEECgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABABDXhRFUVBhXl5IGZJUrVo1uPbXX38Nrq1UqVJw7Zdffhlc27179+Da2bNnB9cWFBQE1/bs2TO4tlevXsG1+fnhbYFJkyYF17Zv3z64FuVHYOzRggQACwEJAAYCEgAMBCQAGAhIADAQkABgICABwEBAAoCBgAQAAwEJAAYeNSwnWrduHVw7depUtzn9Nb+SPHKZLXPmzAmubdy4cXDt2rVrN3KPUJZ41BAASomABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADjxpuhpo1axZcO2bMmODapk2burK2ePHi4Nphw4YF1w4YMGAj9wi5iEcNAaCUCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMPCoIRJq164dXFtQUBBcu2rVquDahQsXbvLHxYB0PGoIAKVEQAKAgYAEAAMBCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgUcNAfznRDxqCAClQ0ACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYCEgAMBCQAGAgIAHAQEACgIGABAADAQkABgISAAwEJAAYKrhAURSFlgJATqAFCQAGAhIADAQkABgISAAwEJAAYCAgAcBAQAKAgYAEAAMBCQAus/8Bo84dha2MGwEAAAAASUVORK5CYII=",
|
||
"text/plain": [
|
||
"<Figure size 400x400 with 1 Axes>"
|
||
]
|
||
},
|
||
"metadata": {},
|
||
"output_type": "display_data"
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Bild 9: meine_9.png\n",
|
||
"Tatsächlich: 9\n",
|
||
"Vorhergesagt: 9 (Konfidenz: 78.1%)\n",
|
||
"✅ Richtig\n"
|
||
]
|
||
},
|
||
{
|
||
"data": {
|
||
"image/png": "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",
|
||
"text/plain": [
|
||
"<Figure size 400x400 with 1 Axes>"
|
||
]
|
||
},
|
||
"metadata": {},
|
||
"output_type": "display_data"
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Eigene Handschrift - Ergebnisse:\n",
|
||
"Korrekt: 10/10\n",
|
||
"Genauigkeit: 100.0%\n"
|
||
]
|
||
}
|
||
],
|
||
"source": [
|
||
"\n",
|
||
"my_handwriting = [\n",
|
||
" (\"meine_0.png\", 0),\n",
|
||
" (\"meine_1.png\", 1),\n",
|
||
" (\"meine_2.png\", 2),\n",
|
||
" (\"meine_3.png\", 3),\n",
|
||
" (\"meine_4.png\", 4),\n",
|
||
" (\"meine_5.png\", 5),\n",
|
||
" (\"meine_6.png\", 6),\n",
|
||
" (\"meine_7.png\", 7),\n",
|
||
" (\"meine_8.png\", 8),\n",
|
||
" (\"meine_9.png\", 9),\n",
|
||
"]\n",
|
||
"\n",
|
||
"test_custom_handwriting(network, my_handwriting)\n"
|
||
]
|
||
}
|
||
],
|
||
"metadata": {
|
||
"kernelspec": {
|
||
"display_name": ".env",
|
||
"language": "python",
|
||
"name": "python3"
|
||
},
|
||
"language_info": {
|
||
"codemirror_mode": {
|
||
"name": "ipython",
|
||
"version": 3
|
||
},
|
||
"file_extension": ".py",
|
||
"mimetype": "text/x-python",
|
||
"name": "python",
|
||
"nbconvert_exporter": "python",
|
||
"pygments_lexer": "ipython3",
|
||
"version": "3.10.19"
|
||
}
|
||
},
|
||
"nbformat": 4,
|
||
"nbformat_minor": 5
|
||
}
|