如何在训练后向神经网络模型添加更多神经元/过滤器？

、、

我感兴趣的是在PyTorch中训练一个CNN模型和一个简单的线性前馈模型，并在训练之后将更多的滤波器添加到CNN层和神经元-线性模型层和两者的输出(例如，从二分类到多类分类)。通过添加它们，我的具体意思是保持训练的权重不变，并将随机初始化权重添加到新的传入权重中。这里有一个CNN模型的例子和一个简单的线性前馈模型的例子。

浏览 18提问于2021-02-26得票数 2

回答已采纳

2回答

Encog/neuroph保存神经网络

、、

我是神经网络领域的新手(说实话，我几天前才开始)。我想在我的OCR应用程序中使用神经网络来识别手写文本。我想知道的是，在初始训练之后，是否有可能训练网络。换句话说，我打算在一开始训练几个字符，但我想在以后向网络中添加更多的字符，而不会影响之前训练的数据的存在。(假设我已经创建了一个神经网络，具有足够的输出神经元来存储额外的字符)。

浏览 7提问于2012-10-29得票数 2

回答已采纳

2回答

如何理解Keras Conv2D层的第一个参数？

、、、

我正在遵循指南，并试图理解创建Conv2D实例的第一个参数。 (i.e. the number of output filters in the convolution).相关守则： (x_train, y_train)).shuffle(10000).b

浏览 1提问于2020-05-22得票数 1

回答已采纳

2回答

我刚刚从这个视频中编码了神经网络 我稍微修改了输入数据代码，所以现在我的程序测试点是在一条线的上方还是下方。此函数起作用。在2 4 1 (2个输入神经元，4个隐藏，1个输出)拓扑和2 0 0 0个输入值的情况下运行程序，在pass 1上的初始误差为9.164...E61。显然，这应该会增加程序的准确性，因为它有更多的东西需要学习。它确实做到了，误差现在减少到-5.602...E18，我可以看到它的输出值非常准确。这就是问题所在。除非我错了，否则我认为网络中隐藏神经元的数量是提高网

浏览 33提问于2017-01-26得票数 1

2回答

卷积神经网络训练开始时的高训练误差

、、、、

在卷积神经网络中，我正在训练CNN，在训练过程中，特别是在训练开始时，我得到了非常高的训练误差。在那之后，这个误差开始慢慢下降。在大约500个时期之后，训练误差接近于零(例如0.006604)。然后，将最终得到的模型与测试数据进行比较，得到的准确率约为89.50%。这看起来正常吗？我的意思是在我的训练过程一开始就有很高的训练错误率。我想提的另一件事是，我注意到，每次我减少隐藏节点的数量，结果在我的训练结束时会变得更好

浏览 5提问于2016-03-16得票数 1

2回答

Encog神经网络隐层的最佳神经元数

、、

我有一个有结构的神经网络:7个输入神经元，3个输出神经元。训练周期约为100 K。我真的得到了更好的结果-我有更多的隐藏神经元！不仅仅是数量的2倍，而是输入层数量的6倍。换句话说，目前共有44个隐神经元被定义！一切都在好转。我开始觉得这里有什么不对劲

浏览 5提问于2015-04-10得票数 2

回答已采纳

3回答

验证损失远高于培训损失

、、

我正在训练CNN的一些文本数据。这些句子被填充和嵌入，并被传送给CNN。模型结构是：model.add(Embedding(max_features, embedding_dims, input_length=maxlen)) model.add

浏览 0提问于2019-12-26得票数 9

1回答

神经网络参数选择

、

我正在研究Matlab中的(两层)前馈神经网络。我正在研究能使分类误差最小化的参数。一个揭示了其中的一些：我在Matlab中改变了隐神经元的数目，从1到10。我发现，对于一个隐神经元，分类误差接近0%，然后随着神经元数量的增加而略有增长。我的问题是:更多的隐藏神经元不应该保证一个相等或更好的答案，即为什么分类错误会随着更多的隐

浏览 4提问于2017-01-01得票数 1

回答已采纳

1回答

在训练后向神经网络添加更多的输出神经元？

、、、、

在完成我的神经网络训练后，是否存在添加更多输出神经元的问题。例如，我教我的神经网络如何看到橙子和苹果，并说出哪个是苹果，哪个是橙子。如果我训练他们，我想再增加两个输出，比如说banana和stawberey。如果我这样做了，我之前的神经网络学习会失败吗？还是我在这里做错了什么？或者这样做是安全的？

浏览 12提问于2017-02-16得票数 3

回答已采纳

1回答