使用 Keras Python 测试神经网络答案

【问题标题】：Test neural network using Keras Python使用 Keras Python 测试神经网络
【发布时间】：2017-11-21 18:28:39
【问题描述】：

我已经在 Python 中使用 Keras 和数据集训练和测试了前馈神经网络。但是每次，为了识别具有外部数据的新测试集（外部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。例如每次我必须做的事情：

 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”，而无需再次重新训练，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

【问题讨论】：

标签： python neural-network pattern-recognition model-fitting

【解决方案1】：

借助训练有素的模型，您可以对任何新数据进行预测。你不必重新训练任何东西，因为（希望）你的模型可以将它的学习推广到看不见的数据，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中：

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，您需要对新数据应用任何转换，就像您可能已经转换了您训练模型所依据的数据一样。

如果您想要实时预测，您可以使用 Flask 设置 API：

http://flask.pocoo.org/

关于术语和正确的训练方法：

您在训练集上训练（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率和损失值来调整超参数。

然后，您通过预测来自您的测试集的数据（同样是您数据的 15%）来评估模型的最终性能。那一定是数据，你的网络以前从未见过，也没有被你用来优化训练参数。

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

【讨论】：

感谢您的回答。您可以想到一个脚本，其中包含用于测试新条目的所有训练和测试代码。每次我只有一个脚本，重新训练网络以预测新测试集的输出。我之前的请求涉及我应该如何做，以保存/调用经过训练的神经网络以测试新数据集。基本上，我需要一些东西来存储我的网络并尝试从它的知识中识别任何东西。我希望已经清楚了。 @petezurich
从您的问题和评论来看，我并不完全清楚您将数据拆分为训练、验证和测试数据的方法是否正确。请参阅我的回答中的描述。这样做非常重要，否则你会得到错误的结果。
为了解决根本问题... (+1)

【解决方案2】：

在您的训练文件中，您可以使用

保存模型

model.save('my_model.h5')

以后，当你想测试时，你可以加载它

from keras.models import load_model
model = load_model('my_model.h5')

然后你可以打电话给model.predict等等。

【讨论】：