我已經訓練並測試了一個前饋神經網絡,它使用Python中的Keras和數據集。但每次,爲了識別帶有外部數據的新測試集(外部因爲數據未包含在數據集內),我必須重新訓練前饋神經網絡來計算測試集。比如每次我必須做的:使用Keras Python測試神經網絡
model.fit (data, output_data)
prediction=model.predict_classes(new_test)
print "Prediction : " prediction
獲得正確的輸出:
Prediction: [1 2 3 4 5 1 2 3 1 2 3]
Acc: 100%
現在我想測試一個新的測試集,即「new_test2.csv」,無需重新培訓一遍,只是用網絡學到了什麼。我也在考慮一種實時識別。
我該怎麼做?
在此先感謝
謝謝你的回答。您可以考慮一個腳本,其中包含用於測試新條目的所有列車和測試代碼。我只用一個腳本,每次重新訓練網絡以預測新測試集的輸出。我以前的請求涉及到我應該怎麼做,以保存/調用訓練的神經網絡來測試新的數據集。基本上,我需要一些存儲我的網絡並嘗試從其知識中識別任何東西的東西。我希望已經清楚。 @petezurich –
從您的問題和評論中,我不完全清楚您是否將您的數據分解爲火車,驗證和測試數據的方法是正確的。在我的回答中看到我的描述。這樣做非常重要,否則你會得到錯誤的結果。 – petezurich
爲了解決潛在問題...(+1) –