Python 凯拉斯：如果我在训练了几个时代之后重新编译我的模型呢

我有一个模型，我想用学习率=0.8对它进行几次训练，然后设置学习率=0.4并继续训练。 但由于在编译模型时设定了学习率。。。那么，如果我在几个时代之后重新编译模型/权重，会发生什么呢

下面是我的代码：p.S（我的学习率是动态的）

动态学习率回调

callbacks = [
  ReduceLROnPlateau(monitor='val_age_mean_absolute_error', 
                    factor = 0.5, 
                    patience = 7,
                    min_delta = 0.01, 
                    cooldown = 2,
                    min_lr = 0.0001,
                    mode = 'min')
]

训练

epochs=35
history = models.fit(train_gen, steps_per_epoch=len(trainset) / batch_size, epochs=epochs, callbacks=callbacks, validation_data=validation_gen, validation_steps=len(testset) / batch_size * 3)

---

重新编译模型时，权重将重置为“随机”

---

所以你应该使用

模型保存权重。保存权重（'weights.h5'）

然后编译模型，然后加载权重

模型。加载权重（'weights.h5'）

我的发现：当我用lr=0.8训练少数EOPCH时，然后用lr=0.4重新编译并开始训练。。。。我的模型没有更大的改进。

epochs=35
history = models.fit(train_gen, steps_per_epoch=len(trainset) / batch_size, epochs=epochs, callbacks=callbacks, validation_data=validation_gen, validation_steps=len(testset) / batch_size * 3)