ÎncepețiÎncepe gratuit

Antrenament cu etichete multiple

Un rezultat al modelului tău multi-etichetă ar putea arăta astfel: [0.76 , 0.99 , 0.66 ]. Dacă rotunjim probabilitățile mai mari de 0,5, această observație va fi clasificată ca aparținând tuturor celor 3 etichete posibile [1,1,1]. În această problemă concretă, asta ar însemna că rețeaua recomandă irigarea tuturor celor 3 parcele din ferma ta, pe baza măsurătorilor senzorilor.

Acum vei antrena modelul și vei genera predicții cu modelul pe care tocmai l-ai construit. sensors_train, parcels_train, sensors_test și parcels_test sunt deja încărcate și pregătite pentru utilizare.

Hai să vedem cât de bine performează mașinăria ta inteligentă!

Acest exercițiu face parte din cursul

Introducere în Deep Learning cu Keras

Vezi cursul

Instrucțiuni pentru exercițiu

  • Antrenează modelul pentru 100 de epochs, folosind un validation_split de 0,2.
  • Generează predicții cu modelul tău folosind datele de testare.
  • Rotunjește preds cu np.round().
  • Evaluează acuratețea modelului tău pe datele de testare.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)
Editează și rulează codul