Python 如何重新培训/更新keras模型？

如何在不从头开始重新培训的情况下更新/追加新数据到我的模型中？ 我的数据集是图像，输出是预测情绪

model.fit(x=train_image, y=train_label, epochs=1, batch_size=1)

Model.fit似乎没有附加新数据，而是覆盖了模型。我的输出只有一个（我更新的最后一个）

我已经搜索过了，但效果不太好

编辑1:

---

当我们丢失以前训练过的数据时，我们能做什么。简单地说，我们在培训结束后就丢失了培训数据，我们无法再次获取数据，我们需要保留的只是从中学习，并在收到新数据时重新培训模型。

这真的很容易。例如，在Keras中可以保存模型权重，这是您实际需要保留的

之后，您可以向训练集中添加新图像，但只需使用保存的权重即可

---

每一个新的时代都会经过所有的图像（新的和旧的）。

到底是什么不起作用？您是否收到任何错误消息？你是否也将优化器的状态保存在某个地方？@Hagbard是的，我保存了，并且没有错误。问题是每次我使用model.fit重新训练/更新模型时，它总是覆盖我的模型。好吧，我将训练数据的x和y数组保存到numpy文件中。然后将新的x和y数据附加到该文件中，然后重新训练整个模型。这更多的是一种数据收集方法。你有任何教程/资料来源的链接来解释模型再培训的实施吗？@JapeshMethuku没有，因为我在PyTorch待了一段时间，但你可以尝试/transfer_learning/@prosti谢谢！但当我告诉再培训时，我没有提到转移学习。有什么大的区别吗？