python - 存储和使用经过训练的神经网络

Question

我正在尝试开发一个神经网络来预测时间序列。

据我所知，我正在使用训练集训练我的神经网络并使用测试集对其进行验证。

当我对我的结果感到满意时，我可以使用我的神经网络来预测新值，神经网络本身基本上就是我使用我的训练集调整的所有权重。

这是正确的吗？

如果是这样，我应该只训练我的网络一次，然后只使用我的网络(权重)来预测 future 值。您通常如何避免重新计算整个网络？我是否应该将所有权重保存在数据库或其他东西中，这样我就可以随时访问它而无需再次训练它？

如果我的理解是正确的，我可以受益于在专用计算机(例如 super 计算机)上进行繁重的计算，然后只需在网络服务器、iPhone 应用程序或类似的东西上使用我的网络，但我不知道如何存储。

Answer 1

要使您的神经网络持久，您可以pickle它。您不需要重新计算 trained-pickled 网络的权重，您需要做的就是取消 pickle 网络并使用它进行新的预测。

有像joblib这样的库可用于更高效的序列化/酸洗。

是否重新训练神经网络这个问题并不简单。这取决于您使用网络的确切目的；说Reinforcement learning可能需要你用新的信念重新训练。但在某些情况下，可能在这种情况下，一次并始终使用经过训练的网络可能就足够了，或者在您拥有更多现场数据的 future 重新训练。