我想以順序方式訓練模型。也就是說，我想首先使用簡單的體系結構來訓練模型，一旦訓練完畢，我想添加幾層并繼續訓練。在Keras中可以做到這一點嗎？如果是這樣，如何？我試圖修改模型架構。但在我編譯之前，這些更改是無效的。編譯后，所有權重都會重新初始化，并且我丟失了所有經過訓練的信息。我在Web和SO中發現的所有問題都是關于加載預訓練模型并繼續訓練或修改預訓練模型的架構，然后僅對其進行測試。我沒有找到與我的問題相關的任何內容。任何指針也受到高度贊賞。PS：我在tensorflow 2.0包中使用Keras。
1 回答
呼啦一陣風
TA貢獻1802條經驗 獲得超6個贊
在不了解模型詳細信息的情況下，以下代碼段可能會有所幫助：
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Dense, Input
# Train your initial model
def get_initial_model():
...
return model
model = get_initial_model()
model.fit(...)
model.save_weights('initial_model_weights.h5')
# Use Model API to create another model, built on your initial model
initial_model = get_initial_model()
initial_model.load_weights('initial_model_weights.h5')
nn_input = Input(...)
x = initial_model(nn_input)
x = Dense(...)(x) # This is the additional layer, connected to your initial model
nn_output = Dense(...)(x)
# Combine your model
full_model = Model(inputs=nn_input, outputs=nn_output)
# Compile and train as usual
full_model.compile(...)
full_model.fit(...)
基本上，你訓練你的初始模型，保存它。然后再次重新加載它，并使用 API 將其與其他層包裝在一起。如果您不熟悉API，可以在此處查看Keras文檔（afaik API對于Tensorflow.Keras 2.0保持不變）。ModelModel
請注意，您需要檢查初始模型的最終層的輸出形狀是否與其他層兼容（例如，如果您只是執行特征提取，則可能需要從初始模型中刪除最終的密集層）。
添加回答
舉報
0/150
提交
取消