主页 / 问题 / 937851
Accepted
Сергей Андреев
Asked:2020-01-29 00:49:24 +0000 UTC2020-01-29 00:49:24 +0000 UTC

如何训练一个训练有素的神经网络？

  • 772

有一个训练有素的神经网络。需要在新数据集上重新训练它。

网络架构： 

early_stop = EarlyStopping(monitor='val_acc', min_delta=0.001,
                           patience=3, verbose=1, mode='auto')
chkpt = ModelCheckpoint('architecture.hdf5', 
                        monitor='val_loss', 
                        verbose=1, 
                        save_best_only=True, 
                        mode='auto')
callbacks = [early_stop, chkpt]

model = Sequential()
model.add(Embedding(max_features, 32))
model.add(SpatialDropout1D(0.2))
model.add(LSTM(100, dropout=0.2, recurrent_dropout=0.2)) 
model.add(Dense(num_classes, activation="softmax"))
model.compile(loss='categorical_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])
model.fit(x_train, y_train, batch_size=128, epochs=50,
          validation_data=(x_test, y_test), verbose=1, callbacks=callbacks)

PS： 如何改进这个神经网络的架构？

python

1 个回答

  1. Best Answer

    从理论上讲，如果您只是从磁盘读取保存的模型并继续训练，一切都应该解决：

    from keras.models import save_model, load_model

model = load_model(model_filename)
model.fit(new_x_train, new_y_train, ...)

    PS我不确定learning rate优化器是否在模型保存期间被保存。一些优化器减少шаг обучения/realning rate以大步长开始梯度下降（为了更快的收敛）并在你工作时减少它，以免错过最小值（如果步长太大，梯度下降可能不会收敛）。检查先前训练和保存的模型 -learning rate保存并阅读load_model()：

    In [11]: model = load_model(model_fn)

In [12]: import keras.backend as K

In [13]: K.eval(model.optimizer.lr)
Out[13]: 1e-04

    在训练开始时learning rate是1e-02

    • 5

相关问题