继续培训新数据的LSTM模型-Java 学习之路

我在机器学习领域几乎是新手，目前正努力寻找如何在模型加载后继续进行训练 . 发现很少有类似的话题，但仍然无法弄明白 .

我得到了时间序列预测模型，并希望在新数据出现后重新训练它（data_original data_new） . 问题是，如果我加载模型并想继续训练，它似乎从头开始 . 即使我使用完全相同的设置和数据（用于训练原始模型），也会发生这种情况 .

伪代码：

def update_model(model, data, batch_size, updates):

        X, y = train[:, :-n_seq], train[:, -n_seq:]
        X = X.reshape(X.shape[0], n_lag, n_features)
        model.compile(loss='mean_squared_error', optimizer='adam')

        for i in range(updates):               
            model.fit(X, y,epoch=1,b_size=1,verbose=0, shuffle=False)
            model.reset_states()
        return model

    model = load_model("multivariete_model.h5")

1 回答

1
你告诉keras每次打电话都要重新编译模型
```
model.compile()
```
你每次打电话给 update_model 时都会这样做：
```
model.compile(loss='mean_squared_error', optimizer='adam')
```
删除该行，培训将从以前的状态继续 .
回复于 2024-05-15T23:25:36+08:00

继续培训新数据的LSTM模型

1 回答

相关问题