#python #tensorflow #deep-learning #tf.keras
#питон #тензорный поток #глубокое обучение #тф.керас
Вопрос:
Я использую последнюю версию tensorflow, и мне было интересно, как я могу подгонять свою модель несколько раз, не сбрасывая предыдущие изученные веса.
например,
model = Sequential()
model.add(Dense(units=256, input_dim=8640, activation='relu'))
model.add(Dense(units=512, activation='relu'))
model.add(Dense(units=3, activation='softmax'))
model.compile(optimizer=Adam(learning_rate=1e-4), loss='sparse_categorical_crossentropy', metrics=['accuracy'])
samples = [1,.7.. 1,.3]
labels = [1,0.. 2,1]
model.fit(x=samples, y=labels, batch_size=64, epochs=100, verbose=2, validation_split=.15)
samples = [.5,.3.. 0,.7]
labels = [2,1.. 1,0]
model.fit(x=samples, y=labels, batch_size=64, epochs=100, verbose=2, validation_split=.15)
Я делаю это, потому что весь набор данных слишком велик для хранения в памяти (> 8 ГБ ОЗУ)
Ответ №1:
Я бы порекомендовал вам начать поиск генераторов.