Expliquer des prédictions d’images d’aliments
Vous disposez d’un model qui classe des aliments. Votre tâche consiste à utiliser LIME pour identifier les régions sur lesquelles le modèle se concentre le plus lorsqu’il produit sa prédiction pour l’image ci-dessous.
Le model responsable des prédictions, la fonction model_predict et l’image d’exemple ci-dessous sont déjà chargés pour vous.
Cet exercice fait partie du cours
IA explicable en Python
Instructions
- Créez un explainer d’images LIME nommé
explainer. - Générez une
explanationpour la prédiction dumodelsur l’imagefournie. - Extrayez, à partir de l’
image, les zones d’intérêt selon l’explication dumodel.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
from lime import lime_image
np.random.seed(10)
# Create a LIME explainer
explainer = ____
# Generate the explanation
explanation = explainer.____(____, ____, hide_color=0, num_samples=50)
# Display the explanation
temp, _ = explanation.____(____, ____)
plt.imshow(temp)
plt.title('LIME Explanation')
plt.axis('off')
plt.show()