我是机器学习领域的新手,目前正在努力寻找如何在模型加载后继续培训。几乎没有发现类似的话题,但还是搞不清楚。在
我得到了用于时间序列预测的模型,并希望在新数据出现后对其进行重新训练(dataunoriginal+dataunew)。问题是,如果我加载模型并想继续培训,它似乎是从头开始的。即使我使用完全相同的设置和数据(用于训练原始模型),也会发生这种情况。在
伪代码:
def update_model(model, data, batch_size, updates):
X, y = train[:, :-n_seq], train[:, -n_seq:]
X = X.reshape(X.shape[0], n_lag, n_features)
model.compile(loss='mean_squared_error', optimizer='adam')
for i in range(updates):
model.fit(X, y,epoch=1,b_size=1,verbose=0, shuffle=False)
model.reset_states()
return model
model = load_model("multivariete_model.h5")
你告诉keras每次打电话都要重新编译模型
你每次打电话给
^{pr2}$update_model
时都会这样做:删除该行,培训将从以前的状态继续。在
相关问题 更多 >
编程相关推荐