更新神经网络输入

我训练了一个4输入1输出的神经网络一个月,后来这个神经网络升级为5输入1输出。我应该用新配置重新训练,还是可以继续使用旧的训练结果?


回答:

如果剩下的4个输入仍然代表相同的内容,你不需要从头开始。相反,在输入层添加一个新的神经元,并在它与隐藏单元之间添加边。按照通常的方式初始化它们,但保留剩余的权重。换句话说——你是在用之前的网络作为优化过程的起点。如果你无法再访问历史数据(或者没有时间重新训练所有内容),这样做应该会更快地收敛,并且总体上效果会更好。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注