J'ai formé et testé un réseau neuronal Feed Forward en utilisant Keras en Python avec un jeu de données. Mais chaque fois, afin de reconnaître un nouvel ensemble de test avec des données externes (externe car les données ne sont pas incluses dans l'ensemble de données), je dois reformer le Feed Forward Neural Network pour calculer l'ensemble de test. Par exemple chaque fois que je dois faire:Test du réseau de neurones en utilisant Keras Python
model.fit (data, output_data)
prediction=model.predict_classes(new_test)
print "Prediction : " prediction
Obtenir une sortie correcte:
Prediction: [1 2 3 4 5 1 2 3 1 2 3]
Acc: 100%
Maintenant, je tester une nouvelle série de test, à savoir « new_test2.csv » sans nouveau re-formation, tout en utilisant ce que le réseau a appris Je pense aussi à une sorte de reconnaissance en temps réel.
Comment je devrais faire cela? Avec un modèle bien formé
Merci à l'avance
Merci pour votre réponse. Vous pouvez penser à un script qui inclut tous les trains et le code de test pour tester de nouvelles entrées. Avec un seul script, j'ai à chaque fois recyclé le réseau pour prédire la sortie du nouvel ensemble de test. Ma demande précédente concerne une sorte de comment je devrais faire, enregistrer/rappeler le réseau de neurones formés pour tester le nouvel ensemble de données. Fondamentalement, j'ai besoin de quelque chose qui stocke mon réseau et essaie de reconnaître quelque chose de ses connaissances. J'espère avoir été clair. @petezurich –
De votre question et de commentaire il n'est pas tout à fait clair pour moi si votre méthode de fractionnement de vos données dans le train, de valider et de tester les données est correcte. Voir ma description dans ma réponse. Il est très important de procéder comme ça, sinon vous obtiendrez de mauvais résultats. – petezurich
Pour sortir de votre façon de corriger le problème sous-jacent ... (+1) –