Huấn luyện với nhiều nhãn (multi-label)
Một đầu ra của model multi-label của bạn có thể trông như thế này: [0.76 , 0.99 , 0.66 ]. Nếu bạn làm tròn các xác suất lớn hơn 0.5, quan sát này sẽ được phân loại là chứa cả 3 nhãn khả dĩ [1,1,1]. Với bài toán này, điều đó có nghĩa là theo mạng, việc tưới cả 3 thửa ruộng là lựa chọn đúng, dựa trên các đo đạc từ cảm biến đầu vào.
Bây giờ bạn sẽ huấn luyện và dự đoán với model vừa xây dựng.
sensors_train, parcels_train, sensors_test và parcels_test đã được nạp sẵn để bạn sử dụng.
Hãy xem cỗ máy thông minh của bạn hoạt động tốt đến đâu!
Bài tập này là một phần của khóa học
Nhập môn Deep Learning với Keras
Hướng dẫn bài tập
- Huấn luyện mô hình trong 100
epochsvớivalidation_splitbằng 0.2. - Dự đoán với
modelcủa bạn trên dữ liệu kiểm tra. - Làm tròn
predsbằngnp.round(). - Đánh giá độ chính xác của mô hình trên dữ liệu kiểm tra.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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)