1.评估模型准确率

下面的程序代码用于评估模型准确率

scores = model.evaluate(x_Test_normalize,y_testOneHot)

print(‘accuracy=’,scores[1])

   32/10000 […………………………] – ETA: 0s

2784/10000 [=======>………………….] – ETA: 0s

6336/10000 [==================>………..] – ETA: 0s

10000/10000 [==============================] – 0s 17us/step

accuracy= 0.9784

2.进行预测

通过之前的步骤,我们建立来模型,并且完成了模型训练,准确率达到还可以接受的0.97,接下来我们使用此模型进行预测

(1)执行预测

我们可以用下列执行执行预测

prediction = model.predict_classes(x_Test)

上面的程序代码使用model.predict_classes输入参数x_test进行预测,预测结果存储在predection变量中

(2)预测结果

我们可以用下列指令来查看预测结果的前10项数据

print(prediction)

[7 2 1 … 4 5 6]

可以看到第1项预测的结果是7 ,第2项预测是2,诸如此类

(3)显示10项预测结果

使用上一章创建的plot_images_labels_prediction函数显示预测结果,输入参数x_test_image,y_test_label,prediction,idx=340

plot_images_labels_prediction(X_test_image,y_test_label,prediction,idx=340)