python—我想向现有的tensorflow模型添加更多数据

dwthyt8l  于 2021-08-20  发布在  Java
关注(0)|答案(1)|浏览(305)

我试过了 load_model 然后 model.fit 方法加载现有模型并在其上添加更多数据。它似乎起作用了。大纪元也没有任何问题。但在保存新的训练模型后,它看起来像旧模型。完全相同的文件大小,相同的数据。我做错了什么?

from keras.models import load_model
model = load_model('/content/drive/MyDrive/Trained_database/diu_project.h5')
model.fit(x=X_train, y=y_train, epochs=30, batch_size = 5,shuffle = False, validation_split=0.2)
model.save('/content/drive/MyDrive/Trained_database/diu_project_3.h5')
lmvvr0a8

lmvvr0a81#

您是否检查了正在加载的模型层是否可训练?

model.summary()

可培训参数的数量是否符合您的预期?您可以使用以下代码使所有层都可训练:

model.trainable = True

或者只从某一层开始训练(比如说100次)。这对于紧密领域之间的转移学习特别有用。


# Fine-tune from this layer onwards

fine_tune_at = 100

# Freeze all the layers before the `fine_tune_at` layer

for layer in base_model.layers[:fine_tune_at]:
  layer.trainable =  False

这些例子来自:https://www.tensorflow.org/tutorials/images/transfer_learning

相关问题