Theano继续训练

Question

我正在寻找关于如何在theano继续训练的一些建议。例如，我有以下内容：

classifier = my_classifier()

cost = ()
updates = []
train_model = theano.function(...)
eval_model = theano.function(...)

best_accuracy = 0
while (epoch < n_epochs):

    train_model()

    current_accuracy = eval_model()
    if current_accuracy > best_accuracy:
        save classifier or save theano functions?
        best_accuracy = current_accuracy
    else:
        load saved classifier or save theano functions?
        if we saved classifier previously, do we need to redefine train_model and eval_model functions?

    epoch+=1

#training is finished
save classifier

我想保存当前训练的模型，如果它具有比先前训练的模型更高的精度，并且如果当前训练的模型精度低于最佳精度则加载所保存的模型。

我的问题是：

保存时，我应该保存分类器还是theano功能？

如果需要保存分类器，我是否需要在加载时重新定义theano函数，因为分类器已更改。

谢谢，

Answer 1

当酸洗模型时，最好保存参数，并在加载时重新创建共享变量并重建图形。这允许在CPU和GPU之间交换设备。

但你可以腌制Theano的功能。如果你这样做，同时腌制所有相关的功能。否则，它们将使每个共享变量的副本不同。每次调用load（）都会创建新的共享变量（如果它们在哪里被pickle）。这是泡菜的限制。