Python 训练模型后，从Keras/Tensorflow获得预测 我正在做一个涉及神经机器翻译的项目（英译法语）。

我已经在网上完成了一些示例，现在已经完成了模型。一旦使用Keras对模型进行了训练，那么我如何在不再次训练整个模型的情况下获得翻译预测，因为我使用的是大数据集，每个历元都需要一些时间，当然，我不能每次需要翻译时都训练模型

那么，在不再次训练整个模型的情况下，对新输入生成预测的正确方法是什么呢

谢谢

---

您可以使用

.predict（）

函数，您可以将新的输入传递给它，它会给您一个预测。此功能的文档如下所示：

当拟合结束时，您需要使用以下方法保存模型、模型及其权重：

keras.model.save(model_name)

在任何时候，都可以使用加载经过训练的模型

model = keras.load(model_name)

然后按照以下步骤执行预测：

y_pred = model.predict(x_test)

---

希望这会有帮助

您好，谢谢您的回复，让我们假设我运行代码并训练模型，我如何知道模型已保存，以及如何在保存的模型上使用该预测功能？感谢培训结束后，您可以运行

model\u name.save（filepath）

，其中model name是您的模型名称，filepath也是保存模型的位置。在python脚本中，它将保持模型的权重，直到您关闭文件或重新运行它。是关于如何保存模型然后加载模型的tf keras文档。你应该可以使用model_name.predict（），它将与你训练的模型一起运行。你应该添加一些代码，因为这里有人在猜测你的代码的作用。您好，我添加了一些图片。从第一部分可以看出，我将模型保存为“saved_weight.hdf5”，然后将它们加载到“modelPred”中。然后在“translate”函数中，我使用了predict函数，但得到了上面的错误。您好，我已经实现了您的反馈，如第一张图片所示，我将我的模型保存为“saved_weight.hdf5”，然后将它们加载到“modelPred”中。然后，在“翻译”函数中，我使用预测函数，但是在你只将权重保存到“SaveDigBoosix.HDF5”文件中时，请考虑使用Simult.St保存（MyObMod），将先前训练过的模型（体系结构和权重）保存到一个名为<代码> MyObjult的文件夹中。之后，您可以使用modelPred=keras.load（'my_model'）加载它。我得到了错误“模块'keras'没有属性'load'”“对不起，我没有注意到它应该是keras.models.load_model（'my_model'））