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:
在Keras中是否有类似的功能?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。
Keras
代码中可能不需要太多更改。 - Marcin Możejko