Prédictions softmax
Votre model récemment entraîné est déjà chargé. Ce modèle généralise bien, c'est pourquoi vous avez obtenu une grande exactitude sur l'ensemble de test.
Comme vous avez utilisé la fonction d'activation softmax, pour chaque entrée composée de 2 coordonnées fournie à votre modèle, la sortie est un vecteur de 4 nombres. Chacun de ces nombres correspond à la probabilité qu'une fléchette ait été lancée par l'un des 4 compétiteurs possibles.
Lorsque vous calculez l'exactitude avec la méthode .evaluate() du modèle, celui-ci prend comme prédiction la classe ayant la probabilité la plus élevée. np.argmax() peut vous aider ici, puisqu'elle renvoie l'indice de la valeur maximale dans un tableau.
Utilisez l'ensemble des lancers de test stocké dans coords_small_test et np.argmax() pour vérifier le tout!
Cette activité fait partie du cours
Introduction à Deep Learning avec Keras
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Predict on coords_small_test
preds = ____.____(____)
# Print preds vs true values
print("{:45} | {}".format('Raw Model Predictions','True labels'))
for i,pred in enumerate(preds):
print("{} | {}".format(pred,competitors_small_test[i]))