目前刚开始接触keras， 想问在硬体设备限制下， 该如何使用上次训练出来的权重，进行下一次的训练? 我将情况分成3种， 第1、2种是比较常见的作法，看很多标准写法大概都像这样， 第3种状况是我自己的想法，我把minibatch跟epoch改成用回圈控制， 这样不用一次读全部资料进来存在电脑记忆体， 而是改成读一部分(要的minibatch)进行训练。 但不知道这样训练时所使用到的权重， 是上次训练所储存的，还是重新random的? 因为目前试验起来，比较像是重新random的， 不知道该如何改成使用上次的权重? ############################################################################# 1.电脑记忆体足够、显卡记忆体足够 read_csv("全部资料") #读取所有资料 model.fit(data,minibatch=256,epochs=100) #较大minibatch 2.电脑记忆体足够、显卡记忆体不足 read_csv("全部资料") #读取所有资料 model.fit(data,minibatch=64,epochs=100) #较小minibatch 3.电脑记忆体不足、显卡记忆体不足 for epoch times in range(100): for minibatch_time in range(64/资料数): read_csv("部分资料") #改成读取部分资料 . . . model.load_weights("weight.h5") #使用上次训练出来的权重 model.fit(data,epochs=1) #使用读取进来的资料进行训练 model.save_weights("weight.h5") #储存权重以供下次使用 ############################################################################# 不知道有没有人遇过类似的问题? --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 163.26.178.150 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1525233814.A.D21.html