精度更新

Question

我有一个受过训练的神经网络，由文件NNbiases_b1.csv，NNbiases_out.csv，NNweights_h1.csv和NNweights_out.csv组成。输入和输出层的大小也是已知的。

现在，我正在寻找使用该神经元网络的Python脚本，这意味着输出数据取决于输入数据和受过训练的网络。

但是，每当我用Google搜索相关脚本时，我只会找到有关培训网络的方法和解释！

所以，我的问题是：当我已经有了一个经过训练的网络时，上面的数据/文件是：我该如何使用该神经元网络？

谢谢！

Answer 1

我认为您需要重建模型的体系结构，然后使用类似的方法手动设置每一层的权重：

all_weights = []
NNweights_h1 = [...] #load your csv of weights
NNbiases_b1 = [...] #load your csv of biases

all_weights.append(NNweights_h1)
all_weights.append(NNbiases_b1)

model.layers[i].set_weights(all_weights)

然后对所有图层执行此操作。

精度更新

为了使用您的模型（虚拟实例）：

重建架构：

def model(model_input):


    x = Dense(12, input_dim=8, activation='relu')(model_input)
    x = Dense(1, activation='sigmoid')(x)

    model = Model(model_input, x, name='Your_model')

    return model

实例化：

X_test = [...] #load your data
input_shape = [...] #your test data shape
model_input = Input(shape=input_shape)
model = model(model_input)

在答案开头使用代码手动设置权重

使用此模型预测数据：

prediction = model.predict(X_test)  #get the predictions of your model

希望这对您有帮助！

使用已经训练有素的神经网络？

1 个答案:

精度更新