Я обучил модель CNN, чтобы классифицировать цифры, с которыми я работаю нормально.Но проблемы, с которыми я сталкиваюсь, это то, что когда я использую команду model.predict (), она дает мне массив 0 и 1, а не вероятностей.
Если я передаю изображение в модель, мне нужен выводмодель.прогнозировать вероятность.Например: -
Предположим, я передаю изображение цифры 4. Ожидаемый результат - [[0,2 0,1 0,1 0,1 0,9 ...]], но вывод, который я получаю, - [[0.0. 0. 0. 1. 0. 0. 0. 0. 0.]]
Я новичок в нейронных сетях.Может кто-нибудь, пожалуйста, помогите.Также, чтобы процитировать это не случай перегонки, ни массив 0 и 1 не являются вероятностью (я попытался умножить на 100 и изменить тип на float32)
Ниже моя модель: -
(X_train, y_train), (X_test, y_test) = mnist.load_data()
# reshape to be [samples][pixels][width][height]
X_train = X_train.reshape(X_train.shape[0], 1, 28, 28).astype('float32')
X_test = X_test.reshape(X_test.shape[0], 1, 28, 28).astype('float32')
# normalize inputs from 0-255 to 0-1
X_train = X_train / 255
X_test = X_test / 255
print(y_train)
# one hot encode outputs
y_train = np_utils.to_categorical(y_train)
y_test = np_utils.to_categorical(y_test)
num_classes = y_test.shape[1]
print(y_train)
print(num_classes)
# define the larger model
def larger_model():
# create model
model = Sequential()
model.add(Conv2D(30, (5, 5), input_shape=(1, 28, 28), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(15, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.2))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(50, activation='relu'))
model.add(Dense(num_classes, activation='softmax'))
# Compile model
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
return model
#build the model
model = larger_model()
# Fit the model
model.fit(X_train, y_train, validation_data=(X_test, y_test), epochs=10, batch_size=200)