Neural network LUIS在导入新应用程序后是否保留以前的培训？

我有一个Luis应用程序“Webapp1”。我做实验开发和测试

那么，想象一下下面的场景。我用这个应用程序做了很多开发工作，所以它已经经历了大量的训练周期，比如说1000次（在Luis中也被称为“纪元”）

我通过“导出->导出为JSON”导出应用程序。根据Microsoft（）“导出的文件不包含机器学习的信息，因为应用程序在导入后会被重新培训。”

如果我用导出的文件创建一个新应用程序，这是否意味着我会失败 所有的培训都从第0周期开始

如果我加上几个 话语和我做的“导入版本”是否意味着我开始 从循环0或1001开始

多谢各位

嗯，模型，是的，你丢了。但这不是一个大问题，因为如果您有导出的JSON文件，您可以再次重建它。例如，如果生产应用程序使用该模型，它将停止工作。但如果不使用它，您可以随时重新创建它（模型=训练数据+计算能力）

如果您导入另一个JSON（即使它与之前的JSON完全不同），它将与现有的JSON并驾齐驱。只需将其命名为不同的版本（我通常使用版本-0.1、0.2、1.10…）。确保每个阶段都分配了正确的版本（活动-当前在控制台中编辑，阶段-测试的发布版本，生产-生产中的实际版本）

嗯，模型，是的，你丢了。但这不是一个大问题，因为如果您有导出的JSON文件，您可以再次重建它。例如，如果生产应用程序使用该模型，它将停止工作。但如果不使用它，您可以随时重新创建它（模型=训练数据+计算能力）

如果您导入另一个JSON（即使它与之前的JSON完全不同），它将与现有的JSON并驾齐驱。只需将其命名为不同的版本（我通常使用版本-0.1、0.2、1.10…）。确保每个阶段都分配了正确的版本（活动-当前在控制台中编辑，阶段-测试的发布版本，生产-生产中的实际版本）

---

谢谢你的回复，如果可以的话：1。你为什么说如果我失去了所有的训练，这不是什么大问题？我不是在谈论时间或计算能力。我想的是，经过1000个（非真实的数字）训练周期后，网络将有一组权重，在一定的置信度内接近问题的解决方案。如果我失去了训练，重量将回到“defult值”，我是否能够训练一次并拥有相同的信心水平？一般来说，我和你有相同的印象，我只是试图找到证据来支持这一点。每次训练时，都会根据训练数据而不是之前的模型重新创建模型。而且它应该是确定性的（相同的训练集应该产生相同的模型），因此训练数据是唯一重要的东西。改进您的模型并不意味着反复训练它，而是添加/修改训练数据并更改算法和参数（不适用于我们的LUIS案例，但适用于一般的ML）。非常感谢。据您所知，是否有任何文档支持这一点？我是说LUIS Documation没问题。包含一些信息，但没有确切说明我所说的内容。它主要是ML中的一般概念，而不仅仅是LUIS。您可以进行测试，只需对一个机器人进行10次更改并在每次更改后进行培训，然后导出培训数据并创建一个新的培训数据，您将第一次对其进行培训。他们应该有同样的行为。谢谢你的回复，如果可以的话：1。你为什么说如果我失去了所有的训练，这不是什么大问题？我不是在谈论时间或计算能力。我想的是，经过1000个（非真实的数字）训练周期后，网络将有一组权重，在一定的置信度内接近问题的解决方案。如果我失去了训练，重量将回到“defult值”，我是否能够训练一次并拥有相同的信心水平？一般来说，我和你有相同的印象，我只是试图找到证据来支持这一点。每次训练时，都会根据训练数据而不是之前的模型重新创建模型。而且它应该是确定性的（相同的训练集应该产生相同的模型），因此训练数据是唯一重要的东西。改进您的模型并不意味着反复训练它，而是添加/修改训练数据并更改算法和参数（不适用于我们的LUIS案例，但适用于一般的ML）。非常感谢。据您所知，是否有任何文档支持这一点？我是说LUIS Documation没问题。包含一些信息，但没有确切说明我所说的内容。它主要是ML中的一般概念，而不仅仅是LUIS。您可以进行测试，只需对一个机器人进行10次更改并在每次更改后进行培训，然后导出培训数据并创建一个新的培训数据，您将第一次对其进行培训。他们应该有同样的行为。