我正在尝试使用一个非常大的数据集（远大于我的内存）来训练一个Tensorflow模型。

为了充分利用所有可用的训练数据，我考虑将它们分成几个小的“分片”，并一次训练一个分片。

经过一些研究，我发现这种方法通常被称为“增量学习”。根据这个维基页面，并非所有算法都支持增量学习。

我正在使用tf.keras.Model构建我的模型。在这种情况下，增量学习是否可行？

回答：

Tensorflow和Keras模型默认支持增量学习——实际上，我们在迁移学习等情况下经常使用增量学习。你只需按顺序将数据的不同部分拟合到模型中——你甚至可以保存你的模型，然后加载它并继续使用相同或不同的数据部分进行训练。

更多信息请见：

• Keras中的增量学习（Stack Overflow讨论）
• 迁移学习与微调（Keras文档）
• 使用Keras和Creme进行在线/增量学习
• 我可以根据每日新数据增量训练神经网络吗？（AI Stack Exchange讨论）