如何解决Tensorflow连续拟合
我正在使用最新版本的tensorflow,我想知道如何在不重置先前学习的权重的情况下多次拟合模型。
例如
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,validation_split=.15)
之所以这样做,是因为整个数据集太大而无法存储在内存中(> 8 GB RAM)
解决方法
我建议您开始寻找发电机。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。