我們正在研究我們的Tensorflow人工智能Sequential model，它具有輸入數(shù)據(jù)數(shù)組，并提供預(yù)測“真”或“假”的概率。我們想知道哪個預(yù)測對應(yīng)于“真”，哪個對應(yīng)于“假”我們的模型：model = tf.keras.Sequential([ layers.. tf.keras.layers.GlobalAveragePooling1D(), tf.keras.layers.Dense(2, activation='softmax') ])模型編譯：model.compile(loss="sparse_categorical_crossentropy", optimizer=tf.keras.optimizers.Adam(), metrics=['accuracy'] )然后模型適合tests和results，其中results是“真”或“假”。history = self.model.fit( np.array(self.data["tests"], dtype=float), np.array(self.data["results"], dtype=float), validation_split=0.1, epochs=self.epochs, batch_size=self.batch_size, steps_per_epoch=self.steps_per_epoch, verbose=0, shuffle=True, callbacks=[PlotLossesKerasTF()], )當(dāng)我們對我們使用的新數(shù)據(jù)進(jìn)行預(yù)測時model.predict(newData)，它會為我們提供如下概率：[[0.5787903 0.42120975]]那么這些數(shù)字中的哪些對應(yīng)于哪個標(biāo)簽？
1 回答
holdtom
TA貢獻(xiàn)1805條經(jīng)驗 獲得超10個贊
它與您的訓(xùn)練標(biāo)簽相同。
假設(shè)您有一張輸入圖像，您可以對它是貓、狗還是鳥進(jìn)行分類。然后，您的訓(xùn)練數(shù)據(jù)是一組圖像和相應(yīng)的標(biāo)簽，格式[cat dog bird]為例如 - 狗標(biāo)簽的圖像[0 1 0]。所以以model.predict(image)相同的格式輸出概率數(shù)組[cat dog bird]，output[0]貓分類的概率等等。
此外，如果您的輸出是真/假，請考慮使用一個具有 sigmoid 激活和二元交叉熵的神經(jīng)元輸出作為您的損失函數(shù)。
添加回答
舉報
0/150
提交
取消