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

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注