问我可以在训练后调整模型吗？(卷积神经网络与分类)

EN

在回答你的问题之前，让我们先理解几点-

1. 模型训练只不过是基于损失函数o/p，利用y_true和y_pred，在引导路径上找到正确的权重。

训练从权值的随机初始化开始(绝对遵循一些规则)

1. 神经网络训练是一种增量式的训练方法，它不会像DecisionTree那样一次看到所有的数据

我是否可以使用带有权重和偏差的当前模型对增强数据进行再培训(来自相同的初始数据集)？我猜想有两个可能的结果，它调优模型或它“重置”的权重和偏见。

是的，学习将继续进行，不会受到任何大的干扰，因为增强图像将产生类似真实图像的类似梯度。

它不会重置，正如我所说的，培训是一个渐进的过程。

任何新的图像，如果有完全不同的特征，肯定会导致很大的梯度流，并可能破坏权重，但是对于增强的图像，我认为不应该发生任何这样的事情。

我可以在现有模型上使用RandomSearchCV或GridSearchCV来执行超参数调优吗？我相信这将调整模型。

您可以这样做，但是由于Model是固定的，所以您没有太多的超参数了。你可以调整学习率。