【问题标题】：Use an already trained neuronal network?使用已经训练好的神经网络？
【发布时间】：2019-10-20 04:29:51
【问题描述】：

我有一个已经训练好的神经网络，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。

现在我正在寻找一个使用此神经元网络的 Python 脚本，这意味着输出数据取决于输入数据和经过训练的网络。

但每当我搜索相关脚本时，我只能找到有关训练网络的操作方法和解释！

所以我的问题是：当我有一个已经训练好的具有上述数据/文件的网络时：我该如何使用这个神经元网络？

谢谢！

【问题讨论】：

我绝对没有资格回答这个问题，但如果你想让别人回答，你需要更具体。你从哪里得到这些 csv 文件，它们是什么样的？另外，你想做什么？对图像进行分类？生成某种文本？ keras 标签如何应用于此？您是想在 keras 中执行此操作，还是使用 keras 生成这些文件？所有这些都会影响答案。
@Addison 输入和输出数据都只是浮点数。数据来自 Keras，所以我想这也是在我的应用程序中使用它的最简单方法。顾名思义，它们包含 Keras 生成的 weights_h1、biases_b1、weights_out 和 biases_out 数据
@Addison 澄清这一点：CSV 文件包含由 model.get_weights() 提供的结果
如果你想在 Keras 中保存模型权重，你应该使用model.save_weights()。这会将其保存为 HDF5 文件，您可以轻松加载。从 csv 文件加载这些值必须手动完成。使用model.save() 更容易，因为它也保存了模型结构。
@KurtisStreutker 好的，回到我原来的问题：如何使用以这种方式保存的模型？

标签： python keras deep-learning

【解决方案1】：

我认为您需要重建模型的架构，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)

然后对你的所有层都这样做。

精度后更新

为了使用您的模型（虚拟示例）：

重构架构：

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

实例化它：

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

使用答案开头的代码手动设置权重

使用此模型来预测您的数据：

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

希望对你有帮助！

【讨论】：

好的，这回答了加载神经网络的问题——但是我该如何使用它呢？意味着我如何应用我的输入数据以及我从哪里得到结果？