Для сохранения обученной нейронной сети в Python можно воспользоваться различными методами. Один из самых простых и распространенных способов - использование библиотеки PyTorch или TensorFlow для сохранения модели.
Прежде всего, необходимо импортировать необходимые библиотеки:
```
import torch
import torch.nn as nn
import torch.optim as optim
import torch.nn.functional as F
```
Затем создаем модель, обучаем ее и сохраняем:
```
class NeuralNetwork(nn.Module):
def __init__(self):
super(NeuralNetwork, self).__init__()
self.fc1 = nn.Linear(10, 5)
self.fc2 = nn.Linear(5, 1)
def forward(self, x):
x = F.relu(self.fc1(x))
x = self.fc2(x)
return x
model = NeuralNetwork()
optimizer = optim.SGD(model.parameters(), lr=0.001)
# Обучение модели
torch.save(model.state_dict(), 'model.pth')
```
Теперь обученная нейронная сеть сохранена в файле 'model.pth' и может быть загружена позже для использования:
```
model = NeuralNetwork()
model.load_state_dict(torch.load('model.pth'))
model.eval()
```
Таким образом, обученную нейронную сеть можно легко сохранить и загрузить в Python для последующего использования.