假设我训练并保存了6个不同的网络,其中所有的隐层计数、神经元计数和学习率值都不同
例如:
我如何才能创建一个新的网络,其中每个保存的网络基本上都充当一个神经元?在训练这个组合网络时,我不想影响保存的网络权重和偏差,而是想从本质上确定对于给定输入哪个更准确。 在实践中,我通过加载每个网络、在每个网络中运行数据,然后存储所有输出,然后将这些输出输入到新的网络中来实现这一点,但我觉得必须有一种更简单、更重要、更快的方法来实现这一点
一个例子可能是两个网络:夜间图像检测和白天图像检测。每个人都单独训练和保存。我想要另一个网络,它本质上是一个图像,并说“哦,我们在这中间的某个地方,所以让我们使用50/50,或者哦,它更接近夜晚,但不是完全的夜晚,使用90%个夜间数据和10%天。”所以我想在它尝试每一个模型的图片上输入大量的图像,然后根据白天和黑夜对数据进行加权,以创建一个适用于白天和黑夜的网络
非常感谢您的帮助。事实上,我拍摄的网络要大得多,也更复杂,但我正在寻找一种策略
我不确定我是否正确理解了你的观点,但基于块的神经网络可能是你正在寻找的。在BBNN中,每个节点都可以是一个神经网络,您所描述的一层BBNN就是您所需要的
相关问题 更多 >
编程相关推荐