정확도는 시간이 흐를수록 높아지고 오차는 낮아지기 때문에 훈련이 잘되었다고 할 수 있습니다. 마지막으로 이미지 분류에 대한 예측을 시각화해 보겠습니다. 마찬가지로 노란색은 개와 고양이를 정확하게 예측했고 빨간색은 예측이 잘못되었음을 의미합니다.
코드 5-31 이미지에 대한 예측 확인
class_names = ['cat', 'dog']
validation, label_batch = next(iter(valid_generator))
prediction_values = model.predict_classes(validation)
fig = plt.figure(figsize=(12,8))
fig.subplots_adjust(left=0, right=1, bottom=0, top=1, hspace=0.05, wspace=0.05)
for i in range(8):
ax = fig.add_subplot(2, 4, i+1, xticks=[], yticks=[])
ax.imshow(validation[i,:], cmap=plt.cm.gray_r, interpolation='nearest')
if prediction_values[i] == np.argmax(label_batch[i]):
ax.text(3, 17, class_names[prediction_values[i]], color='yellow', fontsize=14)
else:
ax.text(3, 17, class_names[prediction_values[i]], color='red', fontsize=14)