一天抄好一份二分类逻辑回归代码，请问怎样保存网络？怎样导入新数据，用作回归预测？

[weixin_39756360]

我是安装的Anaconda，用JuPYTER抄的别人的代码 ，全程无错运行，完整代码如下，

import torch

import pandas as pd

import numpy as np
import matplotlib.pyplot as plt

data = pd.read_csv('G:\pytorch111\data1.csv',header=None)

data

data.info()

X = data.iloc[:,:-1]

Y = data.iloc[:,-1]

Y.unique()

X = torch.from_numpy(X.values).type(torch.float32)

X.shape

Y = torch.from_numpy(Y.values.reshape(-1,1)).type(torch.float32)

Y.shape

import torch
from torch import nn
import torch.nn as nn

model = nn.Sequential(
                nn.Linear(22,1),
                nn.Sigmoid()
)

loss_fn = nn.BCELoss()

opt = torch.optim.Adam(model.parameters(),lr=0.001)

batches = 16
no_of_batch = 1049//16

epoches = 1000

for epoch in range(epoches):
    for i in range(no_of_batch):
        start = i*batches
        end = start + batches
        x = X[start:end]
        y = Y[start:end]
        y_pred = model(x)
        loss = loss_fn(y_pred,y)
        opt.zero_grad()
        loss.backward()
        opt.step()

model.state_dict()

((model(X).data.numpy() > 0.5).astype('int') == Y.numpy()).mean()

 0.889，，，拟合得挺不错的样子吧？

一， 请问怎样保存网络？

二 ，怎样导入新数据，用作预测二分类？

       导入 新数据后，要转化后，才能输入model进行预测吧？如，，，X = torch.from_numpy(X.values).type(torch.float32)

三，怎样导出二分类的值。

麻烦解决得详细一点，，因为我不太会写代码 ，谢谢大神哈。！！！

[weixin_39756360]

https://blog.csdn.net/weixin_45468845/article/details/122971234
这里找到了，，保存网络，和加 载网络的方法，嘿嘿。。。

[weixin_39756360]

有人指教 一下吗？。。。在线等，，谢谢大神。。。

保存了网络，接下来，加载网络和加载数据，都加载了，，，

然后怎样利用训练好的网络进行预测呢？

~~~可怜的我不知道 接下来的代码 是什么了。。。