bp神经网络回归训练模型后预测代码

在训练好的BP神经网络模型上进行预测，可以通过以下代码实现：

import torch

# 加载训练好的模型
model = torch.load('model.pth')

# 输入待预测数据
input_data = torch.tensor([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])

# 进行预测
with torch.no_grad():
    output = model(input_data)

print(output)

其中，'model.pth' 是训练好的模型文件，需要先用 `torch.load()` 函数加载模型。input_data 是输入的待预测数据，可以是一个张量或一个数组。在进行预测时，需要使用 `with torch.no_grad()` 来关闭梯度计算，以提高预测效率。最后，预测结果 output 是一个张量，表示神经网络对输入数据的预测结果。

需要注意的是，输入数据的格式需要与训练数据的格式一致，例如输入数据应该具有相同的特征数和特征值的范围。如果特征值没有进行归一化处理，可以在预测前对输入数据进行归一化处理。