Материал в учебнике Theano в предыдущих главах, прежде чем перейти к главе «Свернутые нейронные сети» (CNN), дает хороший обзор того, как работает Theano, и некоторые из компонентов, которые использует код примера CNN. Было бы разумно предположить, что учащиеся, достигшие этого момента, разработали свое понимание Теано достаточно, чтобы выяснить, как изменить код, чтобы извлечь предсказания модели. Вот несколько советов.
Выходной уровень CNN, называемый layer3
, является экземпляром класса LogisticRegression
, представленным в предыдущей главе.
Класс LogisticRegression
имеет атрибут y_pred
. Комментарии рядом с кодом, который присваивает значение атрибута говорит
символического описание того, как вычислить предсказания, как класс, чьи вероятность максимально
В поисках места, где y_pred
используется в логистической регрессии образце выделит функцию под названием predict()
. Это относится к образцу логистической регрессии, что желательно для примера CNN.
Если следовать одному и тому же подходу, используя layer3.y_pred
в качестве выхода новой функции Anano, предсказания модели станут очевидными.
Какой код вы пробовали, какие ошибки вы получили? –