是否可以继续训练一个Keras估计器，保留之前所有超参数（包括递减的学习率）和权重，就像在scikit-learn中使用warm_start参数那样？类似于这样：

estimator = KerasRegressor(build_fn=create_model, epochs=20, batch_size=40, warm_start=True)

具体来说，warm start应该这样做：

warm_start : bool, 可选，默认值为False 当设置为True时，复用上次调用fit的解决方案作为初始化，否则，直接清除之前的解决方案。

Keras中有类似的功能吗？

回答：

是的 – 这是可能的。但操作起来相当繁琐。你需要使用train_on_batch函数，该函数会保留所有模型参数（包括优化器的参数）。

这很繁琐，因为你需要自己将数据集分成批次，并且你还会失去应用Callbacks和使用自动progbar的机会。我希望在新的Keras版本中，这个选项能被添加到fit方法中。