Keras：使用更大的训练集更新模型

Posted 2023-02-23

【中文标题】Keras：使用更大的训练集更新模型

【英文标题】：Keras: update model with a bigger training set

【发布时间】：2019-04-17 04:20:49

【问题描述】：

我使用训练集使用 Keras 训练了一个用于文本分类（监督学习）的模型。假设这个训练集中有 50.000 个句子。

在一周内，我收集了 5000 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，我应该从头开始训练阶段，还是可以使用旧模型并“更新“它以某种方式节省一些时间？

【问题讨论】：

check this post 。您的问题已在此处解释。

【参考方案1】：

您可以保存/加载模型/权重。查看 Jason Brownlee 的 tutorial。

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，并且您加载了训练过的权重，因此您现在正在“更新”已经训练过的模型。

【讨论】：

感谢您的快速回复！我尝试了教程中的解决方案，如果输入层（我句子中的每个不同的单词）在第一个部分训练集和第二个完整训练集之间没有变化，它就可以工作。我的意思是，如果我添加到初始训练集中的 5000 个句子是由前 50000 个句子中已经存在的单词组成的，那么我可以“更新”我的模型。如果有一些新词我必须从头开始重新训练模型，因为输入层发生了变化，对吗？

假设你使用词袋表示，你可以加载整个模型，只切换输入层。这样一来，除了第一个权重之外，您将保留所有经过训练的权重。你可以在这里寻找方法：***.com/questions/49546922/…