最后我设法从一个文件训练了一个网络:)现在我想打印节点和权重，尤其是权重，因为我想用pybrain训练网络然后在其他地方实现一个神经网络来使用它.我需要一种方法来打印层、节点和节点之间的权重，以便我可以轻松地复制它。到目前为止，我看到我可以使用n['in']访问图层，例如我可以这样做:dir(n['in'])['class','delattr','dict','doc','format','getattribute','hash','init','module','new','reduce','reduce_ex','repr','setattr','sizeof','str','su

我有一个问题与使用pybrain进行时间序列回归有关。我计划使用pybrain中的LSTM层来训练和预测时间序列。我在下面的链接中找到了示例代码Requestforexample:Recurrentneuralnetworkforpredictingnextvalueinasequence在上面的示例中，网络能够在训练后预测序列。但问题是，网络通过一次性将所有顺序数据馈送到输入层来接收所有顺序数据。例如，如果训练数据各有10个特征，则这10个特征将同时馈入10个输入节点。据我了解，这不再是时间序列预测，对吗？既然每个特征被输入网络的时间没有区别？如果我错了，请纠正我。因此，我想要实现的

我想创建一个遵循以下布局的人工神经网络(在PyBrain中):但是，我找不到实现此目的的正确方法。我在文档中看到的唯一选项是创建完全连接层的方法，这不是我想要的:我希望我的一些输入节点连接到第二个隐藏层而不是第一个。 最佳答案 解决方案是使用您选择的连接类型，但带有slicing参数:inSliceFrom、inSliceTo、outSliceFrom和outSliceTo。我同意文档应该提到这一点，到目前为止它只在Connection类的注释中。这是您案例的示例代码:#createnetworkandmodulesnet=Feed