多标签训练
多标签 model 的一次输出可能像这样：[0.76 , 0.99 , 0.66 ]。如果将大于 0.5 的概率四舍五入，这条观测会被判为包含 3 个可能的标签 [1,1,1]。在这个问题中，这表示：根据网络对输入传感器读数的判断，应该给农场中的 3 块地都浇水。
现在请用您刚刚搭建的 model 进行训练和预测。
sensors_train、parcels_train、sensors_test 和 parcels_test 已为您加载。
一起来看看这台智能机器的表现如何！
本练习是课程的一部分
Keras 深度学习入门
练习说明
- 使用
validation_split为 0.2，将模型训练 100 个epochs。 - 使用测试数据对
model进行预测。 - 使用
np.round()对preds进行四舍五入。 - 在测试数据上评估模型的准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)