Keras训练的warm_start

Question

6

是否可以像在scikit-learn中使用warm_start参数一样，保存所有超参数（包括减小学习率）和以前时期的权重，继续训练一个Keras评估器？类似于以下代码：

estimator = KerasRegressor(build_fn=create_model, epochs=20, batch_size=40, warm_start=True)

具体来说，热启动应该做到以下几点：

warm_start：布尔型，可选，默认为False。当设置为True时，重复使用上一次调用fit的解决方案作为初始化，否则，只需清除上一个解决方案。

在Keras中是否有类似的功能？

- Nick

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Marcin Możejko · Accepted Answer

是的 - 这是可能的。但相对来说比较繁琐。您需要使用 train_on_batch 函数，该函数保留所有模型参数（包括优化器参数）。

这很繁琐，因为您需要自己将数据集分成批次，并且还失去了应用Callbacks和使用自动progbar的可能性。我希望在新的Keras版本中，此选项将添加到fit方法中。