我使用 Python 中的 Keras 和数据集训练并测试了前馈神经网络。但每次,为了识别具有外部数据的新测试集(外部数据,因为数据不包含在数据集中),我必须重新训练前馈神经网络来计算测试集。例如每次我必须这样做:
model.fit (data, output_data)
prediction=model.predict_classes(new_test)
print "Prediction : " prediction
获得正确的输出:
Prediction: [1 2 3 4 5 1 2 3 1 2 3]
Acc: 100%
现在我将测试一个新的测试集,即“new_test2.csv”,无需再次重新训练,只需使用网络学到的知识。我也在考虑一种实时识别。
我应该怎么做?
提前致谢
最佳答案
通过训练有素的模型,您可以对任何新数据进行预测。您不必重新训练任何内容,因为(希望)您的模型可以将其学习推广到未见过的数据,并达到相当的准确性。
只需将“new_test2.csv”中的数据输入到您的预测函数即可:
prediction=model.predict_classes(content_of_new_test2)
显然您需要相同类型和类的数据。除此之外,您需要以与转换训练模型的数据相同的方式对新数据应用任何转换。
如果您想要实时预测,您可以使用 Flask 设置 API:
关于术语和正确的训练方法:
您在训练集上进行训练(例如,您拥有的所有数据的 70%)。
您使用验证集(例如 15% 的数据)验证您的训练。您可以使用训练中的准确性和损失值来调整超参数。
然后,您可以通过预测测试集中的数据(同样是数据的 15%)来评估模型的最终性能。这必须是数据,您的网络以前根本没有见过,也没有被您用来优化训练参数。
之后您可以预测生产数据。
如果您想保存经过训练的模型,请使用此(取自 Keras 文档):
from keras.models import load_model
model.save('my_model.h5') # creates a HDF5 file 'my_model.h5'
del model # deletes the existing model
# returns a compiled model
# identical to the previous one
model = load_model('my_model.h5')
https://keras.io/getting-started/faq/#how-can-i-save-a-keras-model
关于python - 使用 Keras Python 测试神经网络,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44632257/