Machine learning 更新神经网络输入

Machine learning 更新神经网络输入,machine-learning,neural-network,training-data,Machine Learning,Neural Network,Training Data,我训练了一个4输入1输出的神经网络1个月,然后同一个神经网络升级为5 I 1 O。我应该用新配置重复训练,还是仍然可以使用旧的训练?你几乎肯定需要重复训练,除非你可以将你的5输入神经网络输入到你训练过的4输入神经网络,在这种情况下,你也许可以少花钱。这完全取决于新变量所代表的内容。您几乎肯定需要重复训练,除非您可以将五输入NN输入到经过训练的四输入NN中,在这种情况下,您可能可以获得更少的训练。这完全取决于新变量所表示的内容。如果其余4个输入仍然表示相同的内容,则不必从头开始。相反,在输入层中添

我训练了一个4输入1输出的神经网络1个月,然后同一个神经网络升级为5 I 1 O。我应该用新配置重复训练,还是仍然可以使用旧的训练?

你几乎肯定需要重复训练,除非你可以将你的5输入神经网络输入到你训练过的4输入神经网络,在这种情况下,你也许可以少花钱。这完全取决于新变量所代表的内容。

您几乎肯定需要重复训练,除非您可以将五输入NN输入到经过训练的四输入NN中,在这种情况下,您可能可以获得更少的训练。这完全取决于新变量所表示的内容。

如果其余4个输入仍然表示相同的内容,则不必从头开始。相反,在输入层中添加新神经元,并在其与隐藏单元之间添加边。像往常一样初始化它们,但保留剩余权重。换句话说,您正在使用以前的网络作为优化的起点。如果您不再能够访问历史数据(或者您没有时间对所有内容进行重新培训),那么它的收敛速度应该更快,而且通常会更好。

如果剩余的4个输入仍然代表相同的内容,那么您不必从头开始。相反,在输入层中添加新神经元,并在其与隐藏单元之间添加边。像往常一样初始化它们,但保留剩余权重。换句话说,您正在使用以前的网络作为优化的起点。如果您不再能够访问历史数据(或者您没有时间对所有内容进行重新培训),那么它应该更快地收敛,并且通常会更好