Prédictions Softmax
Votre model entraîné récemment est déjà chargé. Ce modèle généralise bien ! C’est pour cela que vous avez obtenu une forte accuracy 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 encode la probabilité qu’une fléchette ait été lancée par l’un des 4 concurrents possibles.
Lorsque vous calculez l’accuracy avec la méthode .evaluate() du modèle, votre modèle prend la classe ayant la probabilité la plus élevée comme prédiction. np.argmax() peut vous y aider puisqu’elle renvoie l’indice de la valeur la plus élevée dans un tableau.
Utilisez l’ensemble de lancers de test stocké dans coords_small_test et np.argmax() pour vérifier cela !
Cet exercice fait partie du cours
Introduction au Deep Learning avec Keras
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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]))