Сега нашият модел е готов да предвиди своя етикет под формата на вероятности за прогнозиране, известни също като ниво на доверие.
За да предвидите етикета на изображението. Ще създадем функция, наречена катоget_pred_label с аргументи, предадени като prediction_probabilities.
Функцията е толкова проста, че връща argmax на уникалните породи, така че най-високата вероятност за прогнозиране ще се появи за тези изображения.
Пример: pred_label = get_pred_label(предсказания[81])
Сега нашите данни за валидиране все още са под формата на партиди, трябва да ги премахнем от партидите. Така че ще създам функция, наречена unbatchify().
Той приема данни като вход и има два празни списъка като изображение и етикет, в които партидните данни са разделени с помощта на функцията .unbatch().
И изображението и етикетите се добавят към списъка.
След депактиране на нашите данни за валидиране, ние имаме етикети за прогнозиране, етикети за валидиране, изображения за валидиране.
Графично изображение с предвиден етикет с функция plot_pred().
Той приема аргументи като вероятности за прогнозиране, етикети, изображения и n, което е индексът на изображението.
Първо запазете предвидения етикет в pred_label.
Сега е време да начертаете изображението.
Plt.imshow() и подайте аргумент на изображението.
Ако pred_label == истински етикет:
Цвят=зелен
Друго:
Цвят= червен
Ако прогнозираната ни стойност е вярна, това прави заглавието зелено.
Сега променете заглавието на сюжета, за да бъде предсказано, вероятността за предсказание и етикета на истината
Plt.title(format(pred_label,true_label,color))
Пр. Plot_pred(prediction_probabilities=predictions,labels=val_labels,images=val_images)
