如何在正则区间上重新训练keras模型

如何在正则区间上重新训练keras模型,keras,deep-learning,time-series,artificial-intelligence,lstm,Keras,Deep Learning,Time Series,Artificial Intelligence,Lstm,假设我在初始阶段有4000个数据点,我使用索引0到3999的数据点训练了一个模型,然后保存了模型。现在5天后,我加载了保存的模型,现在我使用索引5到4004的数据重新训练保存的模型。训练是从上一次学习的权重开始,还是在新模型中重新初始化权重?数据是时间序列数据。如果层未冻结,则无论选择从哪个数据点重新训练,每次开始训练时权重都会更新。因此,先前保存的模型中的权重信息将丢失 但是,如果您选择冻结某些层(并保持其他层不变),冻结的层将保留从以前的训练(数据点0到3999)中获取的权重信息,而所有其他

假设我在初始阶段有4000个数据点,我使用索引0到3999的数据点训练了一个模型,然后保存了模型。现在5天后,我加载了保存的模型,现在我使用索引5到4004的数据重新训练保存的模型。训练是从上一次学习的权重开始,还是在新模型中重新初始化权重?数据是时间序列数据。

如果层未冻结,则无论选择从哪个数据点重新训练,每次开始训练时权重都会更新。因此,先前保存的模型中的权重信息将丢失


但是,如果您选择冻结某些层(并保持其他层不变),冻结的层将保留从以前的训练(数据点0到3999)中获取的权重信息,而所有其他层将根据新数据(数据点5到4004)更新权重

,这取决于您的代码具体执行的操作,没有一般性的答案,因为这两个选项在KerasCan中都是可能的。您可以提供一个选项,我可以在其中保留以前的学习和以后的学习。