我在pycharm中用 MLPRegressor （from sklearn.neural_network import MLPRegressor）训练好了一个神经网络模型中间层（100,50,25），怎么保存训练好的模型和权重啥的，然后下次直接调用训练好的模型进行预测？请给出保存和调用代码，谢谢！
（我网上自己查了一些办法，有基于pytorch 或者 tensorflow包内的功能实现的保存的调用， 但是我用的 MLPRegressor，不在pytorch 或者 tensorflow里，直接用不了它们的方式 ）
在使用MLPRegressor进行训练后，你可以使用Python的pickle模块来保存和加载训练好的模型。以下是保存和加载MLPRegressor模型的示例代码：
保存模型：
import pickle
# 假设你的模型实例名为model
model = MLPRegressor(hidden_layer_sizes=(100, 50, 25))
# 训练你的模型...
# 保存模型到文件
filename = 'mlp_model.sav'
pickle.dump(model, open(filename, 'wb'))
加载模型并进行预测：
import pickle
# 加载模型文件
filename = 'mlp_model.sav'
loaded_model = pickle.load(open(filename, 'rb'))
# 使用加载的模型进行预测
# 假设你有一组特征值 X_test
predictions = loaded_model.predict(X_test)
这样，你就可以将训练好的MLPRegressor模型保存到文件中，并在需要的时候加载模型进行预测。
注意，在加载模型之前，你需要确保已经导入了必要的库（例如pickle）并且创建了与训练时相同的模型实例
很抱歉，作为一个AI语言模型，我无法在本地环境运行代码，因此无法提供完整的可运行代码。不过，以下给出大致的解决方案:
在代码前面导入该问题需要用到的库：numpy和sklearn.neural_network。
import numpy as np
from sklearn.neural_network import MLPRegressor
首先需要有可用的训练和测试数据。我们可以使用numpy来生成一组虚拟数据。
# 生成虚拟数据
X_train = np.random.randn(100,100)
y_train = np.random.randn(100,1)
X_test = np.random.randn(20,100)
y_test = np.random.randn(20,1)
其中，X_train和X_test是输入数据，y_train和y_test是输出数据。
使用MLPRegressor对象创建模型并进行训练。可以设置隐藏层的大小，激活函数使用默认的ReLU函数，优化器使用默认的adam方法。
# 创建模型
model = MLPRegressor(hidden_layer_sizes=(100,50,25))
# 训练模型
model.fit(X_train,y_train)
使用Python中的pickle模块保存模型对象。pickle可以将Python对象存储到文件中，并在需要时加载回该对象。
import pickle
# 保存模型到文件中
filename = 'model.sav'
pickle.dump(model, open(filename, 'wb'))
使用pickle模块加载之前保存的模型文件。
# 加载模型
loaded_model = pickle.load(open(filename, 'rb'))
# 使用测试数据进行预测
predictions = loaded_model.predict(X_test)
在以上步骤中，我们使用MLPRegressor创建了一个神经网络模型，拟合了生成的虚拟数据，并将模型保存在硬盘中。之后可以随时加载该模型并使用测试数据进行预测。