Question

我正在尝试向我的模型逐步添加大量数据作为数据集（如果非常大）。在教程here的基础上，我编写了如下数据生成器：

from cmd2 import Cmd, Cmd2ArgumentParser
import cmd2

numbers = ['0', '1', '2', '3', '4']
alphabet = ['a', 'b', 'c', 'd']

class Complete(Cmd):
    parser = Cmd2ArgumentParser()
    parser.add_argument("type", choices=['numbers', 'alphabet'])
    parser.add_argument("value")
    @cmd2.with_argparser(parser)
    def do_list(self, args):
        self.poutput(args.value)


if __name__ == "__main__":
    app = Complete()
    app.cmdloop()

“ LINE A”调用的函数会在预先训练的嵌入模型（gensim_embedding_model）中查找“注释”中的单词并填充向量。

我知道这会创建批处理的嵌入表示形式，然后将其嵌入模型中以进行增量训练，并替换了试图将整个数据集的嵌入表示形式拟合到内存中的Keras EmbeddingLayer。

但是，Keras EmbeddingLayer具有一个“可训练”参数，它可以控制是否应按原样对待参数（在这种情况下为词嵌入权重），或者仅将其视为要调整的初始值。但是，使用数据生成器，我看不到如何设置此参数（或等效参数）。

我是对的，如果以这种方式使用数据生成器，那么嵌入权重仅按原样使用，将无法进一步调整吗？即，这等效于“ trainable = False”。但是通过这种实现，不可能有'trainable = True'？

谢谢

Keras用于句子分类：fig_generator批处理-是否可训练？

0 个答案: