keras已訓(xùn)練好模型，一段時間后又有新數(shù)據(jù)，如何在已有模型基礎(chǔ)上繼續(xù)做增量訓(xùn)練？我也是一個菜鳥，可以用來交流。。。在我看來，如果網(wǎng)絡(luò)不需要調(diào)整（例如不添加新的類別），只需使用一個小的學(xué)習(xí)率來微調(diào)網(wǎng)絡(luò)

keras已訓(xùn)練好模型，一段時間后又有新數(shù)據(jù)，如何在已有模型基礎(chǔ)上繼續(xù)做增量訓(xùn)練？

我也是一個菜鳥，可以用來交流。。。

在我看來，如果網(wǎng)絡(luò)不需要調(diào)整（例如不添加新的類別），只需使用一個小的學(xué)習(xí)率來微調(diào)網(wǎng)絡(luò)的所有數(shù)據(jù)。

如果網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生變化（如增加新的類別），在前期（如conv層）固定網(wǎng)絡(luò)參數(shù)，后期（如FC層）直接學(xué)習(xí)參數(shù)。然后放開凍結(jié)，微調(diào)大局。

keras訓(xùn)練好的網(wǎng)絡(luò)，怎么在c 程序中調(diào)用？

我嘗試使用其他培訓(xùn)數(shù)據(jù)來調(diào)用Java。一些建議。首先，如果訓(xùn)練模型很小，可以先得到訓(xùn)練參數(shù)，然后用C語言調(diào)用，當(dāng)然，矩陣的計算需要自己準(zhǔn)備。

我以前是這樣的，但它有很大的局限性。最大的問題是這種方法的前提，當(dāng)模型不復(fù)雜時。這樣，公共應(yīng)用服務(wù)器仍然可以承受計算負載。

但是，如果模型復(fù)雜，則不建議這樣做。機器無法運行，針對性的浮點優(yōu)化也無法在短時間內(nèi)解決。此時仍建議使用培訓(xùn)機通過web服務(wù)完成Python的遠程調(diào)用，實現(xiàn)業(yè)務(wù)應(yīng)用。

有沒有已經(jīng)訓(xùn)練好的、用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò)可以用呢？

對于常用的圖像分類網(wǎng)絡(luò)，每個框架都應(yīng)該在Imagenet上有一個預(yù)先訓(xùn)練好的模型，可以直接使用。如果我們需要使用預(yù)先訓(xùn)練好的網(wǎng)絡(luò)來提取特征，我們不需要最后一個完整的連接層，我們只需要指定includeTop=false。

以keras為例：