Deep Learning avec Keras et TensorFlow

6.7 Modèles préentraînés pour un transfert d’apprentissage

247

© Dunod – Toute reproduction non autorisée est un délit.

chaque prédiction est représentée sous forme d’un tableau qui contient l’identiant

de la classe

158

, son nom et le score de conance correspondant :

top_K = keras.applications.resnet50.decode_predictions(Y_proba, top=3)

for image_index in range(len(images)):

print("Image #{}".format(image_index))

for class_id, name, y_proba in top_K[image_index]:

print(" {} - {:12s} {:.2f}%".format(class_id, name, y_proba * 100))

print()

Voici la sortie que nous avons obtenue :

Image #0

n03877845 - palace 42.87%

n02825657 - bell_cote 40.57%

n03781244 ...