C# 如何向现有的ML.Net训练模型ITransformer添加新的图像集？

我是机器学习新手

我在Windows系统上使用了ML.Net图像分类，使用了InceptionV3，假设我已经有了一个带有100只猫和100只狗的经过训练的模型，并将经过训练的模型保存为ZIP文件

现在，我发现以后再也没有10只猫了，我想把它们添加到现有的已保存的训练过的ZIP模型文件中，而不是重新训练所有的新旧猫和狗，我该如何做到这一点

任何帮助都将不胜感激

这是我的代码，它创建了一个模型并保存在最后一行。。。但现在，我想将新发现的猫添加到现有保存的模型中，而无需使用旧的猫和狗照片重新训练模型。请帮忙

MLContext mlContext = new MLContext(seed: 1);

IEnumerable<ImageData> images = LoadImagesFromDirectory(folder: fullImagesetFolderPath, useFolderNameasLabel: true);

IDataView fullImagesDataset = mlContext.Data.LoadFromEnumerable(images);
IDataView shuffledFullImagesDataset = mlContext.Data.ShuffleRows(fullImagesDataset);

var pipeline = mlContext.Transforms.Conversion.MapValueToKey(outputColumnName: "LabelAsKey",
                                                                        inputColumnName: "Label",
                                                                        keyOrdinality: ValueToKeyMappingEstimator.KeyOrdinality.ByValue)
                    .Append(mlContext.Model.ImageClassification("ImagePath", "LabelAsKey",
                           arch: ImageClassificationEstimator.Architecture.InceptionV3,
                           epoch: 20,
                               batchSize: 5));

  ITransformer trainedModel = pipeline.Fit(trainDataView);

  mlContext.Model.Save(trainedModel, trainDataView.Schema, outputMlNetModelFilePath);

MLContext-MLContext=新的MLContext（种子：1）；
IEnumerable images=LoadImagesFromDirectory（文件夹：fullImagesetFolderPath，useFolderNameasLabel:true）；
IDataView fullImagesDataset=mlContext.Data.LoadFromEnumerable（图像）；
IDataView shuffledFullImagesDataset=mlContext.Data.ShuffleRows（fullImagesDataset）；
var pipeline=mlContext.Transforms.Conversion.MapValueToKey（outputColumnName:“LabelAsKey”，
inputColumnName:“标签”，
keyOrdinality:ValueToKeyMappingManager.keyOrdinality.ByValue）
.Append（mlContext.Model.ImageClassification（“ImagePath”、“LabelAsKey”），
arch:ImageClassificationEstimator.Architecture.InceptionV3，
纪元:20,，
批量大小：5）；
ITransformer trainedModel=pipeline.Fit（trainDataView）；
mlContext.Model.Save（trainedModel、trainDataView.Schema、outputMlNetModelFilePath）；

我认为不存在在没有旧样本的情况下重新培训的可能性。除非你把训练的状态储存在某个地方，以后再去拿。。。我也很好奇，我想你做不到。无法将数据添加到经过训练的模型中。有些情况下，您可以部分基于旧模型（，）训练新模型，但我认为它不适用于图像分类。我认为不存在在没有旧样本的情况下重新训练的可能性。除非你把训练的状态储存在某个地方，以后再去拿。。。我也很好奇，我想你做不到。无法将数据添加到经过训练的模型中。有些情况下，您可以部分基于旧模型（，）训练新模型，但我认为它不适用于ImageClassification。