python - Keras:使用更大的训练集更新模型

标签 python tensorflow keras

我使用 Keras 训练了一个模型,使用训练集进行文本分类(监督学习)。假设这个训练集中有 50.000 个句子。

在一周内,我收集了 5.000 个新句子,并将它们添加到旧的训练集中。

如果下周我想用新的更大的训练集(50.000 个旧句子 + 5.000 个新句子)训练一个新模型,我应该从头开始重新开始训练阶段,还是可以使用旧模型并“更新” “它以某种方式节省了一些时间?

最佳答案

您可以保存/加载模型/权重。看看这个 tutorial杰森布朗利。

加载权重后,您可以开始使用新数据集(55000 个样本)进行训练。由于“训练”基本上只是更新权重,并且您加载了经过训练的权重,因此您现在正在“更新”已经训练好的模型。

关于python - Keras:使用更大的训练集更新模型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53296165/

相关文章:

Python从二维数组中的矩形中获取随机墙

python - 尝试运行 TensorFlow 时的 CUDNN_STATUS_NOT_INITIALIZED

tensorflow 错误: Using a `tf.Tensor` as a Python `bool` is not allowed

tensorflow - Keras 不同注意力层之间的差异

python - 在请求库中处理 Decimal 到 Json

Python 如何使用 HoughLines 和 OpenCV 检测图像中的垂直线和水平线?

python - 去除最后一个逗号的字符串函数

python - TensorFlow:将 BasicRNNCell 的 tanh 更改为另一个操作?

Tensorflow 2.2 GPU - 要安装哪个 cuDNN 库?

python - 如何根据特定类名加载CIFAR-10数据集?