是否可以使用`sklearn`重新训练保存的神经网络？
可以使用sklearn重新训练保存的神经网络。sklearn是一个流行的机器学习库，提供了丰富的机器学习算法和工具，包括神经网络。通过sklearn，可以加载保存的神经网络模型，并使用新的数据进行训练。
在sklearn中，可以使用joblib模块的load函数加载保存的神经网络模型。加载后，可以使用fit函数传入新的数据进行训练。重新训练保存的神经网络可以帮助模型适应新的数据分布，提高模型的准确性和泛化能力。
然而，需要注意的是，重新训练保存的神经网络可能会导致过拟合问题。过拟合是指模型过度拟合训练数据，导致在新数据上的表现不佳。为了避免过拟合，可以使用正则化技术、交叉验证等方法进行模型调优。
推荐的腾讯云相关产品是腾讯云机器学习平台（Tencent Machine Learning Platform，TMLP）。TMLP提供了丰富的机器学习和深度学习工具，包括神经网络模型的训练和部署。您可以通过TMLP进行神经网络的重新训练和优化。
更多关于腾讯云机器学习平台的信息，请访问：腾讯云机器学习平台
相关·内容
我正在建立一个神经网络，目的是对未来的新数据进行预测。首先利用sklearn.preprocessing对训练数据进行预处理，然后对模型进行训练，然后进行预测，然后关闭程序。将来，当新数据出现时，我必须使用相同的预处理尺度来转换新数据，然后再将其放入模型中。目前，我必须加载所有的旧数据，适合预处理，然后转换新的数据与这些预处理程序。是否有一种方法可以保存预处理对象(如sklearn.preprocessing.StandardScaler)，这样我就可以加载旧对象而不必重新创建它们了吗？
浏览 9提问于2017-03-16得票数 3
回答已采纳
我对Python非常陌生，这实际上是我写的第一件事，所以如果有人能给我解释一下，我将不胜感激
我遵循了一个教程，使用TensorFlow构建了一个简单的人工神经网络。我使用PyCharm社区版本来做这件事
import numpy as np
import pandas as pd
import tensorflow as tf
from sklearn.preprocessing import LabelEncoder
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotE
浏览 0提问于2020-08-06得票数 0
1回答
规模输入训练的ML模型
、、、
我有输入数据，不同功能之间的大小差别很大。我使用sklearn的StandardScaler()对它们进行缩放，然后使用keras对这些数据进行神经网络训练，以预测我的目标。我训练过/测试过这个神经网络，它的性能很好。
训练数据是一个更大模型的函数输入的时间序列，而我的目标是输出时间序列。我已经训练了模型的比例输入数据(离线)，但希望它取代在模型中的功能。然后，它将在每个时间步骤中接受非缩放的输入数据(相同的特征)，并对目标(输出)进行良好的预测。
在离线的timeseries数据上进行培训，似乎不太适合在模型中使用不缩放的数据，一次一次，这是必须的。我是否也应该对在线输入进行缩放(以及如何使
浏览 0提问于2022-03-02得票数 0
1回答
我有一个经过训练的神经网络，它工作得非常好，但我在sklearn preprocessing.scale(X)之前对数据进行了缩放。这很有效，但是当我保存模型并想要向其中输入新数据时，我该怎么办呢？如何确保伸缩性与训练时相同？
df = pd.read_csv("Trimmed Training Data.csv", delimiter=",")
X = np.array(df.drop(['PredictThis'],1))
y = np.array(df['PredictThis'])
X = preprocessing.
浏览 0提问于2017-11-10得票数 1
我已经使用sklearn python创建了一个神经网络：
mlp=MLPClassifier()
mlp.fit(X_train,y_train)
我用python运行代码，然后训练NN。
现在我将在一个不同的阶段预测一些东西，然后不需要用下面的代码重新训练NN：
prediction=mlp.predict(X_test)
基本上，拟合和预测调用应该在两个不同的步骤中完成，而不需要每次都重新训练NN。例如，在我验证一组新数据的情况下：
prediction2=mlp.predict(Z_test)
浏览 2提问于2017-05-17得票数 0
1回答
我对神经网络很陌生，我已经成功地训练了一个RNN，但是训练数据需要一段时间。每次我想做预测时，训练数据对我来说是不可行的。所以问题是，如何使训练数据持久，因为RNN不必每次进行预测时都进行训练。
这是我正在使用的代码..。
from sklearn import preprocessing
from sklearn.model_selection import train_test_split
from keras.models import Sequential
from keras.layers import Dense
from keras.utils.data_utils i
浏览 1提问于2022-08-25得票数 1
回答已采纳
1回答
我正在使用python中的sklearn来构建/训练一些模型(随机森林回归器、Kmeans、SVM、.)，我想在webapp Javascript/html中使用这些经过训练的模型。是否有办法这样做？
我已经看到tensorflow.js允许用keras模型来做这样的事情。但在我看来，python中的TF/keras仅限于神经网络。
我也见过sklearn porter，但它似乎仅限于一些特定的模型(主要是分类)。如果有人能用它，他能告诉我更多吗？
提前感谢您的帮助
浏览 6提问于2020-08-13得票数 1
1回答
如果我只需要做一个/一些预测，我是否需要每次重新训练我的神经网络？或者我可以，如果这是愚蠢的，请原谅我，“保存”训练，只做测试？目前我正在使用Pycharm，但是我已经看到，对于其他IDE，比如Spyder，您可以执行选定的代码行，在这种情况下，NN如何保持训练而不需要重新训练呢？如果这些问题太天真，很抱歉。
浏览 0提问于2019-07-04得票数 1
回答已采纳
2回答
我想要一个清晰的形象的模型保存。神经网络存在超参数和模型。
在我训练了这个模型之后，我想把它们全部保存下来，不用再训练它。
当我将模型保存为h5py文件(.H5)时，它是否也保存超参数？
如果是，腌制文件的目的是什么？
浏览 1提问于2019-05-01得票数 4
1回答
我用TensorFlow和Keras构建并训练了一个神经网络，它对我的数据非常有效。在使用这些数据之前，我使用sklearn中的StandardScale()对其进行标准化。I fit_transform()训练数据，并且只转换()测试和验证数据。
最后，我救了我的模特。
现在我想使用这个模型来处理新的数据。我想我也需要转换()这个数据，但是我该如何做呢？
我的数据与训练数据集的fit_transform()函数中的所有参数进行了转换。如果我在我的新数据中使用fit_transform()，我会得到更糟糕的结果，而不是像我进行验证和测试数据那样对它们进行转换。
是否有方法存储来自fit_tra
浏览 3提问于2021-05-25得票数 0
回答已采纳
2回答
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)。如果这是可能的，我如何使用encog来完成此操作。
谢谢
浏览 7提问于2012-10-29得票数 2
回答已采纳
我试图在Python中使用机器学习。现在我正在使用sklearn和TensorFlow。我想知道，如果我有一个需要更新的模型时，新的数据来做什么。例如，我有财务数据。我用TensorFlow建立了一个LSTM模型并对其进行了训练。但是新的数据每天都会出现，我不想每天对模型进行再培训。有没有一种方法只是更新模型，而不是从零开始重新训练它？
在sklearn中，.fit()方法的文档(以DecisionTreeClassifier为例)指出
从训练集(X，y)构建决策树分类器。
所以看起来它将从零开始重新训练整个模型。
在tensorflow中，.fit()方法(以顺序为例)说
将模型训
浏览 4提问于2020-12-17得票数 2
1回答
分裂前的数据增强
、、、
对于我基于数据处理的考试，我们收到了一个由4个字符(巴特、荷马、丽莎、玛吉)组成的小辛普森数据集来建立一个卷积神经网络。然而，数据集只包含了相当少量的图像:大约2200张要分裂成测试和训练。
由于我对神经网络和深度学习非常陌生，所以增加我的数据(我将图像X度旋转9次)，然后使用sklearn的测试训练拆分函数来分割我的数据，这是否可以接受。
由于我已经做了这个改变，我得到了一个训练和测试的准确性约95%，在50年代后，我的现有模型。因为这比我预期的要多，所以我开始质疑增强测试数据是否主要是被接受的，而最终没有有偏见或错误的结果。
因此：
( a)你能在不以错误的方式影响你的结果之前，在将你的数
浏览 2提问于2018-06-01得票数 4
回答已采纳
2回答
这个问题非常特定于Python库scikit-learn。请让我知道，如果这是一个更好的想法张贴在其他地方。谢谢!
现在的问题..。
我有一个基于BaseEstimator的前馈神经网络类，我用它来训练。它运行得很好，我还可以使用GridSearchCV()并行地训练它。
现在，我希望在函数ffnn.fit()中实现早期停止，但为此，我还需要访问折叠的验证数据。这样做的一种方法是更改sklearn.grid_search.fit_grid_point()中的行，该行如下
clf.fit(X_train, y_train, **fit_params)
变成某种东西
clf.fit(X_train
浏览 4提问于2014-02-21得票数 5
回答已采纳
对于python神经网络和sklearn，我编写了以下的神经模型。在一组火车上，它能很好地工作在98%的准确度。现在我有一些问题。
from sklearn.ensemble import GradientBoostingClassifier
model = GradientBoostingClassifier(learning_rate=0.99,max_depth=3)
model.fit(X_standardized, y)
predictions = model.predict(X_standardized)
from sklearn.metrics import confusion
浏览 1提问于2018-10-17得票数 1
回答已采纳
我正在做一个项目，希望对推文进行分类，正在使用sklearn的。是否可以使用sklearn对其进行重新训练，如果可以，请指导我正确的方向。另外，是否值得重新训练一个模型，或者我应该在构建网络时调整值。
浏览 13提问于2019-07-27得票数 0
1回答
我建立了一个带有训练和测试数据集的神经网络模型，并使用“saved”- Widget保存了模型。我想知道保存的泡菜文件包含什么样的信息？它是否只包含具有所有集合参数的神经网络算法，还是取决于所使用的训练数据集？
浏览 0提问于2018-02-12得票数 1
1回答
我打开这个线程来讨论如何使我的NN模型进行部署。
我用在Matlab中建立和训练了一个神经网络(mdCNN是一个简单的Matlab库，用于建立多维输入神经网络，目前Matlab-cov3x3x3不支持它)。我用Matlab训练我的模型，现在我想把它投入生产。
经过几个小时的研究，我计划做以下工作
用TF后端在Keras中训练神经网络模型。我选择Keras是因为我希望将来与Matlab具有向后兼容性。
从Keras模型获取tensorflow会话，有一个如何执行的示例。在文件中比*.pd文件
从模型加载神经网络模型。有一个特定的功能可以做到这一点
简历：：readNet()
在C
浏览 1提问于2018-08-28得票数 3
我正在使用谷歌Colab训练我的三维卷积神经网络60个时代，但当它达到57个时代，我的会议结束。重新连接后，训练从第一阶段开始。
我应该做什么来训练我的模型后，我的未完成的时代，我的会议已经结束谷歌合作？
浏览 1提问于2019-01-28得票数 2
回答已采纳
3回答
假设我有一个定义好的神经网络的训练样本(带有相应的训练标签)(神经网络的结构对于回答这个问题并不重要)。让我们把神经网络称为“模型”。
为了不创建任何夫人，让我们说，我介绍了最初的权重和偏差的‘模型’。
实验1。
我用训练样本和训练标签来训练40个时代的“模型”。经过训练，神经网络将对整个神经网络有一组特定的权重和偏差，我们称之为WB_Final_experiment1。
实验2
我用训练样本和训练标签来训练20个时代的“模型”。经过训练，神经网络将对整个神经网络有一组特定的权重和偏差，我们称之为WB_Intermediate。
现在，我在“模型”中介绍了WB_Intermediate，并对另
浏览 13提问于2020-03-20得票数 3
回答已采纳
我对神经网络很陌生，我想知道是否有可能改进现有的模型，而不需要通过透光的数据集进行再培训。
例如，假设我有一个神经网络，它已经被训练成一组数据并输出\mathbf{X}_1,\mathbf{d}_1。
接下来，我收到了新的数据集\mathbf{X}_2,\mathbf{d}_2。
我是否需要在\mathbf{X}_2,\mathbf{d}_2和\mathbf{X}_1,\mathbf{d}_1上重新训练我的神经算法，还是有一种方法可以简化过程，只在\mathbf{X}_2,\mathbf{d}_2上运行？
根据我对基本算法的理解，情况似乎并非如此。
除了@noe提出的答案:我在维基百科上看到一
浏览 0提问于2023-02-05得票数 0
当使用tensorflow训练神经网络时，我可以任意设置损失函数。在训练支持向量机时，有没有办法在sklearn中做同样的事情？假设我想让我的分类器只优化灵敏度(不管它的感觉如何)，我该怎么做呢？
浏览 17提问于2019-12-09得票数 0
回答已采纳
1回答
在torch中访问神经网络内部神经元的简单方法是什么？
我用torch7的nn库训练了一个多层神经网络。我想看看当一些输入被转发到网络时，来自某些特定内部神经元的输出值是什么，或者手动更改输出。
这些是可能的吗？如果是这样的话，对于已经训练和保存的网络，是否有简单的解决方案？原因是我的神经网络是一个自动编码器，因此中间的神经元是重要的-整个网络的输出。
浏览 1提问于2016-10-07得票数 3
模块的在训练过程中被改变，也就是说，它们是在神经网络训练过程中学到的，但是什么是
它是在神经网络训练过程中学习的吗？
浏览 0提问于2019-08-18得票数 26
是否可以将经过训练的卷积神经网络另存为.mat格式转换为.pb格式？
我想用cv::dnn::readNetFromTensorflow()把它导入到opencv中。
是否有其他选择，或者我应该直接在tensorflow或keras中重新训练网络？
浏览 18提问于2020-05-26得票数 0
回答已采纳
我正在做一个使用DWT和神经网络的CBIR项目。我已经提取了颜色和纹理特征，并训练了提取的特征的归一化值。利用matlab中的神经网络工具实现了图像分类。所有这些都成功地完成了。
我的问题是--有没有办法自动将训练好的图像值插入到ms access数据库中？
谢谢。
浏览 2提问于2012-07-29得票数 2
回答已采纳
我正在使用sklearn.neural_network.MLPClassifier构建一个神经网络： clf = sklearn.neural_network.MLPClassifier(hidden_layer_sizes= (11,11,11),max_iter = 500) 在训练它之前，我使用 preprocessing.scale() 如下所示： labels = someDataBase.loadLabels()
fetchers = someDataBase.loadFetchers()
fetchers = preprocessing.scale(fetchers)
浏览 14提问于2020-01-23得票数 0
回答已采纳
1回答
我应该按什么顺序训练我的CNN
、、、、
我目前正在训练一个卷积神经网络，根据苹果的外观对烂苹果和正常苹果进行分类。我有所有必要的数据，但是我对以下代码行有一个问题。
epoch_x, epoch_y = tf.train.batch([resized_image, "Normal"], batch_size=batch_size)
这为神经网络提供了图像和标签。我的问题是，我是否应该用所有批次的正常橙子训练网络，然后用腐烂的橙子训练神经网络？我应该交替训练一批腐烂的和正常的橙子吗？这些图像是否有特定的训练顺序？
浏览 6提问于2017-02-05得票数 4
回答已采纳
1回答
数据集规范化
、、
我尝试使用MinMaxScaller (来自sklearn.preprocessing)来规范培训数据。然后创建一个经过训练的文件并保存为'XXX.h5‘。
我试图创建一个可以读取“XXX.h5”并使用经过训练的模型的预测程序。我需要缩放输入数据，然后反向缩放输出数据。
是否有一种方法不再使用培训数据来缩放输入数据？
我需要再读一遍培训文件，才能得到刻度：
df=pd.read_excel('data.xls')
x=np.array(df['x'])
y=np.array(df['y'])
x_scaler=MinMaxSc
浏览 0提问于2019-06-07得票数 0
2回答
是否有可能在Encog神经网络上引入权重？我知道输出权重是可能的，但我正在构建一个双神经网络系统，其中一个系统定期使用数据进行训练，然后更新另一个系统，严格地用于生成输出。是否可以通过指定实际值来调整非培训网络的权重？谢谢!
浏览 6提问于2015-12-23得票数 1
回答已采纳
1回答
存储和使用经过训练的神经网络
、、、、
我正在尝试开发一个神经网络来预测时间序列。
据我所知，我正在用训练集训练我的神经网络，并用测试集来验证它。
当我对我的结果感到满意的时候，我可以用我的神经网络来预测新的值，而神经网络本身基本上就是我用我的训练集调整的所有的权重。
这是正确的吗？
如果是这样的话，我应该只训练我的网络一次，然后使用我的网络(权重)来预测未来的值。您通常如何避免重新计算整个网络？我是否应该将所有的权重保存在一个数据库或其他什么地方，这样我就可以随时访问它，而不必再训练它了？
如果我的理解是正确的，我可以从在专用计算机(例如超级计算机)上进行大量计算中获益，然后在网络服务器、iPhone应用程序或诸如此类的东西上使用
浏览 4提问于2016-08-10得票数 7
1回答
我试着用RBM神经网络来学习，但是我找不到预测函数，我知道你如何训练它(我认为)，但我似乎不知道如何实际预测一个值。
我在做一项课堂作业。这是一项任务：
然后，您将使用随机爬山算法来为神经网络找到好的权重。
用SKLearn可以做到这一点吗？是否有更好的推荐工具可以为NN选择不同的权重？(目标是试验大约3种不同的搜索优化技术，并了解它们，而不一定要编写它们，在这种情况下也不需要编写NN )。
浏览 2提问于2015-09-25得票数 0
Keras是深度学习库TensorFlow Keras(和其他库)的轻量级包装器，用于帮助构建、训练和部署神经网络和其他机器学习模型。我能用火车图书馆从检查点恢复训练吗？
浏览 2提问于2020-07-01得票数 2
我目前正在训练一个神经网络，我试着把训练好的模型储存起来，以备将来使用。该模型基于来自Sequential的keras (见下文)。我正在使用joblib.dump(model, output_file_gen)存储信息。但是，我得到了错误消息：
TypeError: can't pickle _thread.RLock objects.
我看过一些关于此错误消息的StackOverflow帖子，它似乎与多线程有关。我不知道在模型中发生了什么，但也许有人可以给我建议如何存储模型，要么采取措施消除这个错误，要么建议一个更好的存储神经网络的方法。
NN设置包括在下面：
model = Se
浏览 1提问于2018-09-24得票数 3
我有一个问题，就是训练神经网络是在选择多少个训练时代来使用。太多的时代会导致长时间和超负荷的CPU，有时会使CPU停止。我不想从一开始就训练数据集。
是否存在将already-trained信息存储到硬盘上的和重新存储培训的结果？
浏览 1提问于2021-10-16得票数 0
1回答
神经网络批次和训练精度
、、、
我有基于InceptionV3的神经网络。
在epochs期间给它提供批处理会产生如下的好结果：
loss: 0.3596 - acc: 0.8479 - val_loss: 0.3442 - val_acc: 0.8515
训练完成后，我决定检查整个训练数据集的训练准确性。
sklearn.metrics.accuracy_score(labels, np.round(train_predictions))
给了我0.52520718232044195
这怎么可能呢？
浏览 1提问于2017-08-05得票数 1
有没有一种方法可以在PyBrain中保存和恢复经过训练的神经网络，这样我就不必在每次运行脚本时都重新训练它？
浏览 2提问于2011-05-15得票数 33
回答已采纳
1回答
今天，我在训练风格转移神经网络的同时，在保存格式方面遇到了很大的麻烦。
我觉得任务已经解决了，我只需要保存我的模型并再次加载它。但我找不到合适的方法。
我使用来自github的以下代码来训练样式传输网络：
我已经成功地训练了这个网络。
现在，我使用以下代码行保存了模型：
model.save("/tmp/nst/test.h5")
但是，为了应用保存的神经网络，我需要使用.ckpt格式的网络。
谁能告诉我如何在h5和.ckpt之间切换数据格式？
或者是否有专门的keras保存方法，这样我就可以将它保存为.ckpt？(-->伪代码: model.save_cpkt(
浏览 6提问于2020-02-19得票数 1
使用keras中的神经网络(NNs)之类的东西，很清楚如何在神经网络的训练中使用单词嵌入，您可以简单地做一些类似的事情
embeddings = ...
model = Sequential(Embedding(...),
layer1,
layer2,...)
但是，我不知道如何使用sklearn中的算法，如SVMs、NBs和logistic回归来实现这一点。我知道有一个Pipeline方法，它的工作原理很简单()，类似
pip = Pipeline([(Countvectorizer()), (TfidfTrans
浏览 0提问于2018-03-12得票数 3
回答已采纳
大家早上好，我正在尝试实现，其中神经网络的输入是基于一个可训练的词汇表矩阵(矩阵中的每一行代表词汇表中的一个单词条目)。我正在使用keras (tensorflow后端)，我想知道是否有可能定义一个可训练的变量(而不添加自定义层)，这样这个变量将和神经网络一起被训练吗？就像一个。你能给我举个简短的例子说明我怎么做吗？提前谢谢。
浏览 0提问于2018-02-07得票数 0
回答已采纳
我是python的新手，从事机器学习的工作。我从sklearn.svm训练过LinearSVC，并且训练需要相当长的时间，主要是因为词干提取(7-8分钟)，我想知道是否有可能将模型结果保存为一些扩展，在运行应用程序时可以将其反馈到sklearn.svm，只是为了节省每次运行应用程序时发生的训练时间。
浏览 1提问于2017-04-17得票数 0
2回答
我在训练一个深度神经网络。直接训练整个网络是困难的，因此，我更喜欢逐层训练。首先，我训练一个只有一个隐藏层的网络。之后，我使用tf.train.Saver保存模型。下一次，我通过调用以下命令来恢复变量：
saver.restore(sess, "runs/simple-model.ckpt")
当然，这一次，架构发生了变化，因为我在隐藏层和输出层之间插入了一个新层，并使用了一个新变量。因此，Tensorflow抛出一个错误：Key not found
我的问题是:如何在Tensorflow中逐层训练神经网络？我想在整个网络最终微调之前做这件事。非常感谢。
浏览 2提问于2017-01-09得票数 3
1回答
我试着用人工神经网络来学习。
我想运行回归，得到模型拟合的结果，一个生成样本外的预测。
下面是我的代码。任何帮助都将不胜感激。
# Import required libraries
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import sklearn
from sklearn.neural_network import MLPClassifier
from sklearn.neural_network import MLPRegressor
#导入数据
df=pd.read_excel(r
浏览 10提问于2022-05-28得票数 0
我刚刚训练了一个神经网络，我想用一个不包括在训练中的新数据集来测试它，以检查它在新数据上的性能。这是我的密码：
net = patternnet(30);
net = train(net,x,t);
save (net);
y = net(x);
perf = perform(net,t,y)
classes = vec2ind(y);
其中x和t分别是我的输入和目标。我知道可以使用save net和load net;，但我的问题如下：
在我的代码中的哪一点应该使用save net
使用save net;，系统上的哪个位置被保存？
当我退出并再次打开MATLAB时，如何加载经过训练
浏览 2提问于2016-01-25得票数 0
回答已采纳
1回答
我试图用Python中的sci学习来训练一个神经网络来识别图像中的形状。我有一个点列表，它位于边上，每个边用x和y坐标表示，形式为[x,y]。所以，我想用[[x,y],[x,y],[x,y],[x,y],[x,y],[x,y],etc.]格式的列表来训练网络。我用以下代码尝试了这一点，但是我得到了以下错误：
from sklearn.neural_network import MLPClassifier
X = [[[0., 0.], [0., 0.]], [[1., 1.], [1., 1.]]]
y = [0, 1]
clf = MLPClassifier(solver='lbfg
浏览 1提问于2018-08-23得票数 0
回答已采纳
我使用sklearn api训练了一个模型，并保存了模型。
from xgboost.sklearn import XGBClassifier
model = XGBClassifier()
model.fit(X_train, y_train)
with open(path + '.pkl', 'wb') as file:
cPickle.dump(model, file)
有办法用scala加载它吗？
如果我使用python (而不是sklearn )来训练它，并使用以下方法保存它：
model.save_model("trained_mod
浏览 3提问于2017-09-06得票数 4
回答已采纳
1回答
我现在正在学习机器学习，我有一个问题，我们可以在不同的时间将数据提供给神经网络，例如，今天我有10000张图像来训练一个图像识别神经网络，我用weights1和bias1得到一个神经网络，明天，我又得到100张图像，我想在旧的神经网络的基础上训练神经网络。
这是可能的吗？
我认为这是人类认知的自然方式。
非常感谢
诚挚的问候
浏览 4提问于2016-08-26得票数 1
我最近开始研究神经网络。我使用扩展的MNIST数据集、sklearn、Keras、numpy和熊猫构建了一个手写字符预测模型。主要目标是拍摄和/或上传手写文本/字符的图片，模型应该能够猜测。
完成训练阶段后，将模型保存在my_model.h5文件中。此时，我如何在作为输入图像接收并应该生成预测的Python程序中使用这个经过训练的模型(特别是my_model.h5)？
浏览 5提问于2020-03-06得票数 5
回答已采纳
GPL要求提供所有源代码，但我不确定经过训练的神经网络模型如何与GPL交互，因为不清楚这些模型是否算为源代码。
若要讨论具体示例，请考虑以下示例：
假设您正在开发一个移动应用程序。由于应用程序包含GPL许可代码，因此移动应用程序也将在GPL下获得许可。移动应用程序还使用了预先训练过的神经网络模型。(为了简单起见，假设您使用了麻省理工学院授权的代码，在移动应用程序中没有使用它来生成神经网络模型。)
这个预先训练过的神经网络模型算得上源代码吗？如果是这样的话，该模型是否必须在GPL下获得许可？
在此重新提问：https://opensource.stackexchange.com/question
浏览 0提问于2018-06-14得票数 5
1回答
比较了朴素贝叶斯(NBC)、支持向量机( SVM )和神经网络的分类精度。我使用的数据集是~18K和26个标签。
在目前的状态下，神经网络的准确率总是在80%以上，而NBC和SVM在15%到80%之间波动。他们大多接近两个极端之一。每次运行的唯一不同之处是使用sklearn的model_selection.train_test_split()函数对训练/测试中的数据进行分割。
对于分类器的实现，我还使用了sklearn的类和函数。
📷
📷
我高度怀疑我的数据中的问题，但我已经做了基本的预处理与停止词，低胁迫等。
浏览 0提问于2022-07-19得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
