python神经网络搭建，实现自动存储权重值

原有的手动搭建的神经网络，无法保存训练后的权重值，导致每次运行的时候都要重新训练一次，要耗费很多时间，那怎么样来保存训练后的权重呢？
数据的保存最好的方法就是写入到文件中去，我的方法就是在神经网络训练完后将权重值写到文件中去，下一次运行程序的时候判断一下这个文件是否存在，如果存在就直接将它的值赋给权重变量，如果不存在就按正常流程来进行训练然后得到权重值。代码如下：
这是我在上一篇文章里面代码基础上改进的

# -*- coding: utf-8 -*-
"""
Spyder Editor

This is a neuralNetwork script file.
"""

import numpy
import scipy.special
import matplotlib.pyplot
import os


class neuralNetwork:

    def __init__(self,inputnodes,hiddennodes,outputnodes,learninggrade):
       #定义变量
        self.inodes=inputnodes
        self.hnodes=hiddennodes
        self.onodes=outputnodes
        self.lg=learninggrade
        
      #创建权重矩阵
        self.wih=(numpy.random.rand(self.hnodes,self.inodes)-0.5)
        self.who=(numpy.random.rand(self.onodes,self.hnodes)-0.5)
        
        if os.path.exists("C:/Users/user/Desktop/datas/json_who.txt"):#判断文件是否存在
            self.who=numpy.loadtxt("C:/Users/user/Desktop/datas/json_who.txt")     
        else:
           pass
       
        
        if os.path.exists('C:/Users/user/Desktop/datas/json_wih.txt'):
            self.wih=numpy.loadtxt('C:/Users/user/Deskt