Python 使用已经训练过的神经网络？

我有一个已经训练过的神经网络，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Python脚本，它使用这个神经元网络，意味着输出数据依赖于输入数据和经过训练的网络

但每当我在谷歌上搜索相关脚本时，我只能找到如何训练网络的方法和说明

所以我的问题是：当我有一个已经训练过的网络，上面有数据/文件时：我如何使用这个神经网络

---

谢谢

我认为您需要重建模型的架构，然后手动设置每个层的权重，如下所示：

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)

对你所有的层都这样做

精确后更新 为了使用您的模型（虚拟示例）：

• 重建架构：

  def模型（模型输入）：
  x=密集（12，输入尺寸=8，激活='relu'）（型号输入）
  x=密集（1，激活='sigmoid'）（x）
  model=model（model\u输入，x，name='Your\u model'）
  回归模型
  

• 实例化它：

  X_test=[…]#加载数据
  输入_shape=[…]#您的测试数据形状
  模型输入=输入（形状=输入形状）
  模型=模型（模型输入）
  

• 使用答案开头的代码手动设置权重

• 使用此模型预测您的数据：

  prediction=model.predict（X#u测试）#获取模型的预测
  

---

我希望这对你有帮助

我绝对没有资格回答这个问题，但如果你想让别人回答，你需要更具体一些。你从哪里得到这些csv文件，它们看起来像什么？还有，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，还是这些文件是用keras生成的？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。它们包含——正如名称所说——权重_h1、偏差_b1、权重_out和偏差_out数据，这些数据由Keras@Addison为了澄清这一点：CSV文件包含由模型交付的结果。获取权重（）。如果要在Keras中保存模型权重，应使用

model.save\u weights（）

。这将保存为HDF5文件，您可以轻松加载。必须手动从csv文件加载这些值。使用

model.save（）

更容易，因为它也保存了模型结构。@Kurtiststreutker好的，回到我最初的问题：如何使用以这种方式保存的模型？好的，这回答了加载神经元网络的问题-但我如何使用它？意味着我如何应用我的输入数据，从哪里得到结果？