Zacznij terazZacznij za darmo

Predykcje softmax

Wytrenowany przez ciebie model jest już załadowany. Model dobrze generalizuje – właśnie dlatego uzyskałeś wysoką dokładność na zbiorze testowym.

Ponieważ użyłeś funkcji aktywacji softmax, dla każdego wejścia złożonego z 2 współrzędnych model zwraca wektor 4 liczb. Każda z nich koduje prawdopodobieństwo, że dany rzut lotką wykonał jeden z 4 możliwych zawodników.

Podczas obliczania dokładności metodą .evaluate() model wybiera jako predykcję klasę o najwyższym prawdopodobieństwie. Możesz to zrobić samodzielnie za pomocą np.argmax(), która zwraca indeks elementu o najwyższej wartości w tablicy.

Skorzystaj ze zbioru rzutów testowych zapisanych w coords_small_test i np.argmax(), żeby sprawdzić, jak to działa!

To ćwiczenie jest częścią kursu

Wprowadzenie do uczenia głębokiego z Keras

Zobacz kurs

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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]))
Edytuj i uruchom kod