การทำนายด้วย Softmax
model ที่เทรนไว้แล้วถูกโหลดให้คุณพร้อมใช้งาน โมเดลนี้ generalize ได้ดีมาก นั่นคือเหตุผลที่ได้ค่าความแม่นยำสูงบนชุดข้อมูลทดสอบ
เนื่องจากใช้ฟังก์ชัน activation แบบ softmax สำหรับทุกอินพุตที่เป็นพิกัด 2 ค่าที่ป้อนเข้าโมเดล จะได้เวกเตอร์เอาต์พุตที่มี 4 ตัวเลข แต่ละตัวเลขแสดงความน่าจะเป็นที่ลูกดอกนั้นจะถูกขว้างโดยผู้แข่งขันแต่ละคนจากทั้งหมด 4 คน
เมื่อคำนวณความแม่นยำด้วยเมธอด .evaluate() ของโมเดล โมเดลจะเลือกคลาสที่มีความน่าจะเป็นสูงสุดเป็นผลการทำนาย np.argmax() ช่วยทำสิ่งนี้ได้ เพราะมันคืนค่า index ที่มีค่าสูงสุดในอาร์เรย์
ลองใช้ชุดข้อมูลการขว้างทดสอบที่เก็บอยู่ใน coords_small_test และ np.argmax() เพื่อตรวจสอบดูกัน!
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Deep Learning เบื้องต้นด้วย Keras
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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]))