2024-06-01 06:55:37 发布
网友
我训练了一个神经网络来识别手语。这是我的输出层 model.add(Dense(units=26,activation="softmax")) 现在我得到了所有26个字母的概率。当我测试这个模型时,不知何故我得到了99%的准确率。我是新手。我不明白这段代码是怎么工作的,我遗漏了一些重要的东西。如何得到一个1D列表中只有预测的字母表?在
model.add(Dense(units=26,activation="softmax"))
要获得概率,您需要做如下操作:
prediction = model.predict(test_X) probs = prediction.max(1)
但重要的是要记住,softmax并没有精确地提供每个类的概率。在
假设字母表是一个包含所有字母符号的列表alphabet = ['a', 'b', ...]
alphabet = ['a', 'b', ...]
pred = model.predict(test_X) pred_ind = pred.max(1) pred_alphabet = [alphabet[ind] for ind in pred_ind]
会给你一个带有预测符号的列表。在
要在单个列表中获得最大概率的输出,请运行:
np.argmax(model.predict(x_test),axis=1)
要获得概率,您需要做如下操作:
但重要的是要记住,softmax并没有精确地提供每个类的概率。在
假设字母表是一个包含所有字母符号的列表
alphabet = ['a', 'b', ...]
会给你一个带有预测符号的列表。在
要在单个列表中获得最大概率的输出,请运行:
相关问题 更多 >
编程相关推荐