使用 Keras 测试神经网络 Python

Test neural network using Keras Python

我在 Python 中使用 Keras 使用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),我都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:

 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",无需再次重新训练,只使用网络学到的东西。我也在考虑一种实时识别。

我应该怎么做?

提前致谢

通过训练有素的模型,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概括为看不见的数据,并将达到相当的准确性。

只需将来自 "new_test2.csv" 的数据输入您的预测函数:

prediction=model.predict_classes(content_of_new_test2)

显然您需要与 类 相同类型的数据。除此之外,您还需要对新数据应用任何转换,就像您对训练模型的数据进行转换一样。

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:

您在训练集训练(例如,您拥有的所有数据的 70%)。

您使用验证集验证您的训练(例如 15% 的数据)。您使用训练中的准确性和损失值来调整您的超参数。

然后您通过预测来自您的测试集的数据(同样占您数据的 15%)来评估您的模型的最终性能。那必须是数据,你的网络以前根本没有见过,也没有被你用来优化训练参数。

之后您可以预测生产数据。

如果你想保存训练好的模型,使用这个(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

在您的训练文件中,您可以使用

保存模型
model.save('my_model.h5')

以后想测试的时候可以加载

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

然后你可以调用 model.predict 等等。