背景
我正在观看关于机器学习的流行 YouTube 速成课程。
在3:35:50,他提到该模型可能过拟合,因此用更少的 epoch 再次拟合它。
由于他没有重新实例化模型,这不等于用相同的数据拟合模型,从而继续过度训练它吗?
我的问题
假设您已创建模型并准备好数据。
你跑:
model.fit(train_images, train_labels, epochs=10)
model.fit(train_images, train_labels, epochs=8)
这是否等同于运行:
model.fit(train_images, train_labels, epochs=18)
或者:
model.fit(train_images, train_labels, epochs=8)
如果先前拟合的数据被覆盖,为什么model.fit
第二次运行以先前模型的准确性开始?
在有关保存和训练模型的多个 其他 问题中,公认的解决方案是加载先前训练的模型,然后model.fit
再次运行。
如果这会覆盖预先存在的权重,那不是首先破坏了保存模型的目的吗?第一次在新数据上训练模型不是等效的吗?
在保持所有数据准确性的同时,在多个相似数据集上训练模型的适当方法是什么?