如何重复使用相同的神经网络来重新创建与训练/创建网络时相同的结果？答案

【问题标题】：How can I reuse the same neural network to recreate the same results I had while training/creating the network?如何重复使用相同的神经网络来重新创建与训练/创建网络时相同的结果？
【发布时间】：2016-05-01 22:01:57
【问题描述】：

我刚刚训练了一个神经网络，我想用一个未包含在训练中的新数据集对其进行测试，以检查它在新数据上的性能。这是我的代码：

net = patternnet(30);
net = train(net,x,t);
save (net);
y = net(x);
perf = perform(net,t,y)
classes = vec2ind(y);

其中 x 和 t 分别是我的输入和目标。我知道save net和load net;可以使用，但我的问题如下：

我应该在代码中的什么位置使用save net？
使用save net;，训练好的网络保存在系统的哪个位置？
当我退出并再次打开 MATLAB 时，如何加载经过训练的网络并提供我想要对其进行测试的新数据？

请注意：我发现每次运行我的代码时，它都会给出不同的输出，一旦我得到可接受的结果，我就不想要这种输出。我希望能够保存经过训练的神经网络，这样当我使用训练数据集一遍又一遍地运行代码时，它会给出相同的输出。

【问题讨论】：

标签： matlab neural-network pattern-recognition

【解决方案1】：

如果您只是调用save net，则工作区中的所有当前变量都将保存为net.mat。您只想保存经过训练的网络，因此您需要使用save('path_to_file', 'variable')。例如：

save('C:\Temp\trained_net.mat','net');

在这种情况下，网络将保存在给定的文件名下。

下次您想使用保存的预训练网络时，只需致电load('path_to_file')。如果您不重新初始化或再次训练此网络，则性能将与以前相同，因为所有权重和偏差值都将相同。

您可以通过检查net.IW{i,j}（输入权重）、net.LW{i,j}（层权重）和net.b{i}（偏差）等变量来查看使用的权重和偏差值。只要它们保持不变，网络的性能就会保持不变。

训练和保存

[x,t] = iris_dataset;
net = patternnet;
net = configure(net,x,t);

net = train(net,x,t); 
save('C:\Temp\trained_net.mat','net');

y = net(x);

perf = perform(net,t,y);
display(['performance: ', num2str(perf)]);

在我的情况下它返回performance: 0.11748。每次新训练后值都会有所不同。

加载和使用

clear;
[x,t] = iris_dataset;
load('C:\Temp\trained_net.mat');

y = net(x);
perf = perform(net,t,y);
display(['performance: ', num2str(perf)]);

它返回performance: 0.11748。在同一数据集上使用网络时，这些值将相同。这里我们再次使用了训练集。

如果你得到一个全新的数据集，性能会有所不同，但对于这个特定的数据集，它总是一样的。

clear;

[x,t] = iris_dataset;

%simulate a new data set of size 50
data_set = [x; t];
data_set = data_set(:,randperm(size(data_set,2)));
x = data_set(1:4, 1:50);
t = data_set(5:7, 1:50);

load('C:\Temp\trained_net.mat');

y = net(x);
perf = perform(net,t,y);
display(['performance: ', num2str(perf)]);

在我的情况下它返回performance: 0.12666。

【讨论】：