我的神经网络有问题。我对它进行了一般数据的训练，效果很好。但现在我想用个性化的新数据来改进网络。
我试着解释一下..我的模型是通用的，我将它用于一个单独的 X。但是随着时间的推移，我会从 X 收到更多数据，我想改进 X 的通用模型。例如每次我收到了 3 个新数据，我可以只用 1 个 epoch 重新拟合吗？
或者我应该使用动态聚类（如果可能的话）并将其放入我的网络的输入中？
我真的不知道该怎么办，需要帮助..谢谢！
【问题讨论】：
标签： networking keras model transfer-learning
我不确定你有什么样的模型，但一般来说，你可以用你的数据训练一个模型，然后使用 model.save 保存模型，这会保存所有内容（架构、优化器状态、权重和偏差等）。
# saving the model in tensorflow format
model.save('./MyModel_tf',save_format='tf')
当您有新数据时，您可以使用tf.keras.model.load_model 加载模型，并重新训练它以更新参数。如果您的模型不需要太多时间，将新数据添加到现有的训练文件夹会更好。您还可以使用一些数据增强来提高性能。
# loading the saved model
loaded_model = tf.keras.models.load_model('./MyModel_tf')
# retraining the model
loaded_model.fit(x_new_data, y_new_data, epochs = 10, validation_data = (x_test,y_test),verbose=1)
您可以查看this example 以重新训练您离开的模型。您可以更新一些超参数并运行重新加载的模型以提高性能。希望对您有所帮助！
【讨论】：