Python 持续机器学习

我有一个超级基本的机器学习问题。我一直在学习各种关于机器学习的教程和在线课程，以及学习如何使用机器学习的各种技术，但我没有看到的是持久性应用程序

例如，我训练一个网络来识别花园侏儒的样子，但是，在我运行训练集并用测试数据进行验证之后，我如何保持网络，以便我可以向它提供一张单独的图片，让它告诉我图片是否是花园侏儒的？每一个教程似乎都会让您浏览培训/验证集，而不知道如何以有意义的方式托管网络以供将来使用

---

谢谢

这个问题更适合or，但要点是：在你训练完你的人际网络后，有一个过程通常被称为“冻结”，这意味着以“持久”的方式保存你的人际网络：体重不再变化，训练过程中发生的一些事情（如辍学）会被删除

您的网络将保存为磁盘上某个位置的文件，然后您可以使用专用功能重新加载该文件。 然后，您可以将新映像传递给冻结的网络，就像您在训练它时所做的那样（类似于

class=freezed\u model（image）

）

---

为了更具体，您应该指定正在使用的库。

一旦使用测试/开发集对模型/网络进行了培训和验证，最佳做法是“冻结”其状态并将其用于预测

要将网络或模型集成到应用程序中，应维护模型的状态并将其存储，通常模型通过、标记并将其保存到有状态存储（数据库或本地磁盘）来存储

Python提供了各种序列化方法和库，包括内置的。

---

作为补充参考，这里有一篇非常简短的文章，介绍如何使用python pickle库将经过培训的模型转储到硬盘上，加载模型，并测试持久性结果