Python 如何测试经过训练的神经网络以预测新输入的输出

我刚开始学习神经网络和py。 在网上，我发现了一个反向传播神经网络类，我正试图用它来分类

课程链接：

我向网络中添加了11个带有相应标记数据[0]或[1]的输入。创建一个包含11个输入、3个隐藏层和1个输出的网络

例如：

 # Teach network XOR function

pat = [
    [[1, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0], [1]],
    [[0, 0, 1, 0, 0, 1, 1, 1, 0, 0, 0], [0]],
    [[1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0], [1]],
    [[0, 0, 1, 0, 0, 1, 1, 1, 0, 0, 0], [0]]
]

# create a network with two input, two hidden, and one output nodes
n = NN(11, 3, 1)
# train it with some patterns
n.train(pat)
# test it
n.test(pat)

if __name__ == '__main__':
demo()

网络经过培训后给出：

([1, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0], '->', [0.9931939688547892])
([0, 0, 1, 0, 0, 1, 1, 1, 0, 0, 0], '->', [-0.015507293481101131])
([1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0], '->', [0.9907311490435106])
([0, 0, 1, 0, 0, 1, 1, 1, 0, 0, 0], '->', [-0.015507293481101131])

我的问题是：网络经过训练后，我如何使用它来预测单个输入的输出

例如，我想预测这个新输入的标签

[[1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0]]

---

并给出一个输出，例如“0.001212或0.99992323”

只需将测试数据传递给测试函数：

n.test([[1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0]])