Для того чтобы сохранить обученную нейронную сеть в Python, необходимо использовать библиотеку, в которой вы обучали модель. Например, если вы использовали TensorFlow, то для сохранения модели можно воспользоваться методом `model.save()`.
Перед сохранением модели необходимо выполнить все необходимые операции, такие как компиляция модели, обучение и проверка на тестовых данных. После того как модель обучена и готова к использованию, можно сохранить ее в файл.
Пример сохранения модели в TensorFlow:
```python
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
# создание модели
model = Sequential()
model.add(Dense(64, activation='relu', input_dim=100))
model.add(Dense(64, activation='relu'))
model.add(Dense(10, activation='softmax'))
# компиляция модели
model.compile(optimizer='adam',
loss='categorical_crossentropy',
metrics=['accuracy'])
# обучение модели
model.fit(x_train, y_train, epochs=10, batch_size=32)
# сохранение модели
model.save('model.h5')
```
После выполнения данного кода будет сохранена обученная нейронная сеть в файл с именем 'model.h5'. При необходимости, модель можно загрузить из файла и продолжить ее использование без повторного обучения.
Важно помнить, что при сохранении модели необходимо сохранить и архитектуру модели, параметры обучения и веса. Таким образом, вы сможете восстановить модель и продолжить работу с ней в будущем.