假设我拥有一个数据集，包含200万条数据。最初，我只使用了100万条数据进行训练，并将该模型以h5格式保存为“first.h5”。后来，我又使用了另外100万条数据，使用相同的算法进行训练，并保存为“second.h5”。训练需要一天以上的时间，因此我无法一次使用所有的200万条数据。是否有任何方法可以合并这两个已保存的模型，如“first.h5 + second.h5”=“merged.h5”？
2个回答
3
没有办法合并模型。简单来说，你训练了一个名为
然而，假设训练数据是IID（独立同分布）的，那么你可以创建一个集合来进行预测。
组合两个模型的简单方法是：
或者，一种简单的策略是对两个模型的最终得分取平均值，并使用平均得分进行预测。
first的孩子使用100万个数据来识别图像是猫还是狗。然后你再训练了第二个名为second的孩子使用另外100万个数据来识别图像是猫还是狗。现在你要求的是将first和second结合起来。然而，假设训练数据是IID（独立同分布）的，那么你可以创建一个集合来进行预测。
组合两个模型的简单方法是：
- 最大投票
- 平均值
- 加权平均
或者，一种简单的策略是对两个模型的最终得分取平均值，并使用平均得分进行预测。
更加强大的策略是使用验证集来找到类别的权重，然后在未知数据上使用这些权重进行最终预测。
- mujjiga
2
我该如何创建一个集成模型？你能给我一些提示吗？ - Mithun Sarker Shuvro
1参见如何为深度学习神经网络开发加权平均集成。Machinelearningmastery网站有时会让人感觉有点标题党。一些文章很清晰明了，但是数学背景不太被涵盖。上述文章可能作为一个起点是可以的，并且涵盖了Keras。 - makeyourownmaker
2
你可以合并 - 平均权重 - 但这不等同于使用完整数据集进行训练。
通常，使用更多数据进行训练会导致更好的结果，更好的模型。
如果你不想使用完整数据集进行训练，我建议不要平均权重，而是使用两个模型进行推理并平均预测。
最初的回答
通常，使用更多数据进行训练会导致更好的结果，更好的模型。
如果你不想使用完整数据集进行训练，我建议不要平均权重，而是使用两个模型进行推理并平均预测。
最初的回答
- Ioannis Nasios
1
1无法保证取加权平均值会产生有效的神经网络权重。 - Dr. Snoopy
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
原文链接