在训练后的神经网络中添加更多输出神经元?

在完成神经网络的训练后,添加更多的输出神经元会不会有问题?

例如,我教我的神经网络识别橙子和苹果,并指出哪个是苹果,哪个是橙子。颜色、形状和质地作为输入,橙子和苹果作为输出,所以有3个输入和2个输出。

如果我已经训练好了,现在我想再添加两个输出,比如香蕉和草莓。如果我这样做了,我的神经网络之前的学习会失效吗?还是我在这里做错了什么?或者这样做是安全的?


回答:

你很可能需要从头开始重新训练网络,包含旧数据和新数据,并且处理四个类别而不是两个。如果你试图向现有网络添加新类别,你可能会遇到所谓的灾难性遗忘。然而,你可能只需重新训练最终的分类器,或者从之前学到的权重进行微调即可。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注