Na hora de testar o modelo (o código que está na última célula do notebook dos vídeos), os dados de teste não deveriam ter sido normalizados? No momento de treinar o modelo, os dados de treino foram normalizados entre 0 e 1 (dividindo todos os valores dos pixels por 255). Então na hora de fazer o model.evaluate, não deveria ter normalizado os dados de teste também antes de passar pra essa função? Será que é por isso que a acurácia está dando um valor tão baixo assim? Obrigado.
hoje, com a Alura e o Google Gemini
Oi Alex! Tudo bom com você?
Primeiro, desculpe a demora em te responder.
Ao treinar um modelo com dados normalizados, o modelo aprende a trabalhar com esses dados normalizados. Portanto, ao fazer a avaliação do modelo com o método evaluate, devemos sim utilizar os dados de teste normalizados. Você pode adicionar no código a normalização dos dados de teste da mesma forma que foi feita com os dados de treino:
imagens_teste=imagens_teste/float(255)A baixa acurácia e a perda alta são explicados pela falta de normalização dos dados de teste, pois o modelo aprendeu a prever dados entre 0 e 1 e foram testados dados entre 0 e 255.
Eu espero ter te ajudado! Qualquer outra dúvida estarei disposta a sanar ;-)