我已经训练并测试了一个前馈神经网络,它使用Python中的Keras和数据集。但每次,为了识别带有外部数据的新测试集(外部因为数据未包含在数据集内),我必须重新训练前馈神经网络来计算测试集。比如每次我必须做的:使用Keras Python测试神经网络
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%
现在我想测试一个新的测试集,即“new_test2.csv”,无需重新培训一遍,只是用网络学到了什么。我也在考虑一种实时识别。
我该怎么做?
在此先感谢
谢谢你的回答。您可以考虑一个脚本,其中包含用于测试新条目的所有列车和测试代码。我只用一个脚本,每次重新训练网络以预测新测试集的输出。我以前的请求涉及到我应该怎么做,以保存/调用训练的神经网络来测试新的数据集。基本上,我需要一些存储我的网络并尝试从其知识中识别任何东西的东西。我希望已经清楚。 @petezurich –
从您的问题和评论中,我不完全清楚您是否将您的数据分解为火车,验证和测试数据的方法是正确的。在我的回答中看到我的描述。这样做非常重要,否则你会得到错误的结果。 – petezurich
为了解决潜在问题...(+1) –