我有一个用于创建Chatbot的LSTM模型 . Chatbot现在知道如何根据其训练的模型回应它所知道的任何事情 .
所以,现在我们的情况是我们的聊天机器人应该在发布聊天机器人不知道的新查询时动态学习,它应该从查询和响应中学习并将其添加到其训练模型中 .
有人能告诉我如何实现这一目标吗?
这可以通过简单地加载您保存的模型(您可能使用 model.save() 保存)并使用 fit() 方法训练新数据来实现,例如:
model.save()
fit()
from keras.models import load_model #load your model model = load_model('chatbot.h5') #Continue training with your new data, adding parameters as needed model.fit(X2, Y2, epochs=20)
假设您在每个培训数据点或批处理后都支持,LSTM自然会在线 . 将未标记数据和标记数据输入到lstm之间的唯一区别是您对网络输出的处理 . 例如,如果是训练数据,则将输出与预期输出进行比较 . 如果它没有标记,你可以(例如)将最后一层视为概率,假设最后一层是softmax .
2 回答
这可以通过简单地加载您保存的模型(您可能使用
model.save()
保存)并使用fit()
方法训练新数据来实现,例如:假设您在每个培训数据点或批处理后都支持,LSTM自然会在线 . 将未标记数据和标记数据输入到lstm之间的唯一区别是您对网络输出的处理 . 例如,如果是训练数据,则将输出与预期输出进行比较 . 如果它没有标记,你可以(例如)将最后一层视为概率,假设最后一层是softmax .