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:Python 如何测试经过训练的神经网络以预测新输入的输出,python,neural-network,Python,Neural Network,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,
# 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]])