如何解决fastai重载模型并解释混淆矩阵
我已经训练了fastai模型并将其保存。
是否可以将相同的数据，路径和文件加载到cnn_learner并绘制混淆矩阵？似乎所产生的混淆矩阵显示出比训练期间显示的更高的准确性。
如果我不能做到这一点，那么使用经过训练的模型如何正确绘制混淆矩阵？
data = ImageDataLoaders.from_path_func(path,files,label_func,num_workers=0)
model = cnn_learner(data,resnet34,loss_func=LabelSmoothingCrossEntropy(),metrics=error_rate)
model.fine_tune(1)
lr_min,lr_steep = model.lr_find()
model.fine_tune(1,lr_steep)
model.save('model')
# After training
data = ImageDataLoaders.from_path_func(path,metrics=error_rate)
model.load('model')
interp = ClassificationInterpretation.from_learner(model)
interp.plot_confusion_matrix()
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
