Python 如何测试用PyBrain开发的神经网络

我是机器学习新手，正在尝试学习如何用Python开发用于预测目的的神经网络。我遵循PyBrain的基础教程，成功地建立了一个神经网络，并对其进行了训练。代码如下：

ds = SupervisedDataSet(2, 1)
ds.addSample((0, 0), (0,))
ds.addSample((0, 1), (1,))
ds.addSample((1, 0), (1,))
ds.addSample((1, 1), (0,))

network = buildNetwork(2, 3, 1, bias=True, hiddenclass=TanhLayer)
trainer = BackpropTrainer(network, ds)
trainer.trainUntilConvergence()

我现在不知道如何用新数据测试这个网络。我尝试过网络类的activate方法和Trainer类的testOnClassData方法，但a我不确定它们是如何工作的，b根据文档，我不确定它们是否符合我的目的，即训练网络在给定输入参数的情况下成功预测结果

---

有人知道如何测试像我这样在PyBrain中开发的神经网络吗？非常感谢您

要测试网络，现在输入一些输入而不输出

ts = UnsupervisedDataSet(inputLength,)
ts.addSample((0,0))
net.activateOnDataset(ts)[0]

 from pybrain.datasets import UnsupervisedDataSet  
    dst = UnsupervisedDataSet(2, )
    dst.addSample((0, 1))
    result=network.activateOnDataset(dst)[0]
    print(result)

如果使用多个输入，则使用for循环

network.activateOnDataset()

---

变量名称也都不一样，没有来自orig的数据。代码被使用。在这种形式下，这篇文章将被认为与静默没有明显的关联。