如何在飞行中训练LSTM模型?

时间:2018-01-08 21:40:36

标签: python tensorflow deep-learning keras lstm

我有一个用于创建Chatbot的LSTM模型。 Chatbot现在知道如何根据其训练的模型回应它所知道的任何事情。

所以,现在我们的情况是我们的聊天机器人应该动态学习,当发布一个新的查询时,聊天机器人不知道,它应该从查询和响应中学习并将其添加到训练有素的模型中。

有人能告诉我如何实现这个目标吗?

2 个答案:

答案 0 :(得分:1)

这可以通过简单地加载您保存的模型(您可能使用model.save()保存)并使用fit()方法训练新数据来实现,例如:

from keras.models import load_model
#load your model
model = load_model('chatbot.h5')
#Continue training with your new data, adding parameters as needed
model.fit(X2, Y2, epochs=20)

答案 1 :(得分:0)

假设您在每个培训数据点或批处理后都支持,LSTM自然会在线。将未标记数据和标记数据输入到lstm之间的唯一区别是您对网络输出的处理。例如,如果是训练数据,则将输出与预期输出进行比较。如果它未标记,您可以(例如)将最后一层视为概率,假设最后一层是softmax。