Question

1。

model = Model(inPut, outputs=outPut)
model.compile(loss="mse", optimizer="adam")
for i in range(10):
   model.fit(dataX, dataY, epochs=EPOCH, batch_size=BATCHSIZE, verbose=0, shuffle=False)
   #save model

2。

model = Model(inPut, outputs=outPut)
for i in range(10):
   model.compile(loss="mse", optimizer="adam")
   model.fit(dataX, dataY, epochs=EPOCH, batch_size=BATCHSIZE, verbose=0, shuffle=False)
   #save model

3。

for i in range(10):
   model = Model(inPut, outputs=outPut)
   model.compile(loss="mse", optimizer="adam")
   model.fit(dataX, dataY, epochs=EPOCH, batch_size=BATCHSIZE, verbose=0, shuffle=False)
   #save model

我在喀拉拉邦学习了神经网络。

我希望每次迭代都是一次学习。

但是第二（第三..第四..）迭代学习（model.fit）正在继续进行第一学习（model.fit）

损失将以三个代码连续显示。

您能告诉我一些方法，即每次迭代都是一次学习吗？

每个迭代模型是另一个模型。

Answer 1

如果您打算创建受过不同训练的模型，但保持相同的体系结构，那么您追求的＃3代码段就是您想要的。您使用相同的架构创建一个新模型，配置神经网络，然后对其进行训练。每次迭代后，请确保保存了模型。

model.fit（）是否在keras中启动模型的权重？

1 个答案: