#python #keras #lstm #online-machine-learning
#python #keras #lstm #онлайн-машинное обучение
Вопрос:
Я хочу, чтобы LSTM обучался с новыми данными. Он должен обновляться в зависимости от тенденции в новых данных, и я хочу сохранить это в файле. Затем я хочу вызвать этот предварительно загруженный обучающий файл в любые другие файлы X, Y, Z fresh, в которых выполняется тестирование. Поэтому я хочу «перенастроить» [обновить, А НЕ переобучить] модель с новыми данными, чтобы параметры модели просто обновлялись, а не повторно инициализировались. Я понимаю, что это онлайн-обучение, но как его реализовать через Keras? Может кто-нибудь посоветовать, как это успешно реализовать?
Комментарии:
1. Вы должны обратить внимание на идею под названием «перенос обучения». Для того, что вы хотите, кажется, вы хотите взять модель, которая была обучена на некоторых данных, что означает, что вы хотите, чтобы алгоритмы оптимизации находили наилучшие веса для этих данных. Затем вы хотите «заморозить» (посмотрите на этот термин) веса этой модели и использовать эту модель, чтобы давать вам прогнозы для НОВЫХ / разных данных, не обучая (изменяя веса) указанные данные.
2. @JohnStud Спасибо. По вашему предложению я проверил этот ресурс machinelearningmastery.com/transfer-learning-for-deep-learning . Однако мои данные — это случайные данные, а НЕ данные изображения, так какую библиотеку я должен импортировать? Я решаю эту проблему с помощью простого LSTM и Keras.
3. Нет библиотеки для импорта, Keras может все это сделать. Ваши шаги примерно таковы: 1) обучите LSTM вашим данным, 2) сохраните «веса» модели, 3) загрузите новые данные, 4) заморозьте веса в вашей модели (вероятно, это сделано в оптимизаторе (я использую torch), 5) создайте прогнозы для новых тестовых данных.
4. @JohnStud Большое спасибо. Я проверю литературу. Любая ссылка на github, на которую вы можете указать, пожалуйста?