시작하기무료로 시작하기

다중 레이블로 학습하기

다중 레이블 model의 출력은 다음과 같을 수 있어요: [0.76 , 0.99 , 0.66 ]. 확률이 0.5보다 큰 값을 반올림하면, 이 관측치는 가능한 3개 레이블 모두를 포함하는 [1,1,1]로 분류됩니다. 이 문제에서는, 주어진 센서 측정값을 바탕으로 네트워크가 농장의 3개 구역 모두에 물을 주는 것이 맞다고 판단한 셈이에요.

이제 방금 만든 model로 학습하고 예측해 보겠습니다. sensors_train, parcels_train, sensors_test, parcels_test는 이미 준비되어 있어 바로 사용할 수 있어요.

지능형 시스템이 얼마나 잘 작동하는지 확인해 볼까요?

이 연습은 강의의 일부입니다

Keras로 시작하는 딥 러닝

강의 보기

연습 안내

  • validation_split을 0.2로 설정해 100 epochs 동안 모델을 학습하세요.
  • 테스트 데이터를 사용해 model로 예측하세요.
  • np.round()로 preds를 반올림하세요.
  • 테스트 데이터에 대한 모델의 accuracy를 평가하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Train for 100 epochs using a validation split of 0.2
____.____(____, ____, epochs = ____, validation_split = ____)

# Predict on sensors_test and round up the predictions
preds = ____.____(____)
preds_rounded = np.round(____)

# Print rounded preds
print('Rounded Predictions: \n', preds_rounded)

# Evaluate your model's accuracy on the test data
accuracy = model.evaluate(____, ____)[1]

# Print accuracy
print('Accuracy:', accuracy)
코드 편집 및 실행