텐서보드로 확인한 결과 AlexNet 역시 성능이 좋지 않지만, 이미지 예측을 계속 진행해 보겠습니다.
이제 마지막으로 분류에 대한 예측 결과를 시각화합니다.
코드 6-13 분류에 대한 예측
class_names = ['cat', 'dog'] ------ 이미지를 개와 고양이 클래스 두 개로 분류
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)