iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 27
1

回到MNIST手寫數字辨識的單元,前面已經完成了模型的建立及訓練,也學會如何印出和判讀訓練過程,那麼最後我們就要使用這個模型來對資料進行預測。在開始之前,我們要先稍微評估目前模型的預測準確率,若是相差太遠,則要考慮加強訓練後再拿來使用,若評估尚可,即可開始做辨識預測。

  • 評估模型準確率

藉由model的evaluate方法,放入對應的參數,就能夠簡單利用未參與訓練的測試資料集來評估準確率。這邊所得到的準確度大約為0.9783≒0.98,看來訓練的還不錯!

  • 進行預測

確認模型的準確率在可接受範圍內,那麼要準備使用這個模型對資料做預測。

  1. 執行預測

把要辨識的資料集放入括弧內作為參數,並儲存在prediction這個變數中。

  1. 查看預測結果

這步驟只是把預測結果簡略的用陣列形式依序從頭印出,如果要查看比較詳細的內容則要進到下一步驟。

  1. 顯示多筆預測結果

所使用的程式碼是運用到我曾經在第21篇介紹過的定義出plot_images_labels_prediction函數,只要分別代入影像資料真實值預測結果索引值、以及印出的數量,就能呈現出以下所看到的執行結果。可以特別注意到我印出的辨識結果中,最左下角那張影像的真實值為4,但是我們訓練好的模型卻預測為9,即是所謂的預測錯誤,正常情況下比較容易發生在字跡較潦草或是較模糊的資料。

  • 參考資料:
    TensorFlow+Keras深度學習人工智慧實務應用 — 林大貴著

上一篇
Day 26 | Overfitting v.s. Underfitting
下一篇
Day 28 | AI & 深度學習的應用
系列文
放課後的菜雞小學堂-深度學習30日自學筆記30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言