在不同时间为 CNN 提供数据答案

【问题标题】：feed data for CNN in different time在不同时间为 CNN 提供数据
【发布时间】：2016-08-26 14:11:11
【问题描述】：

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输入神经网络，例如，今天我有 10000 张图像来训练图像识别神经网络，我得到了一个带有 weights1 和 bias1 的神经网络，明天，我再得到100张图像，我想在旧神经网络的基础上训练神经网络。

这可能吗？

我认为这是人类识别的自然方式。

非常感谢

最好的问候

【问题讨论】：

【解决方案1】：

是的，有可能，例如搜索“在线学习”，在在线学习中，当有新数据进来时，您会增量训练。对于具体的 tensorflow，您可以保存/加载您的模型，并在加载后进行训练。

【讨论】：

谢谢，我想用tensorflow实现这样的在线学习，有什么简单的方法入手吗？
还有，我在网上搜索了一下，好像没有太多相关的资料，大部分都是关于人类学习的
这是真的！几乎所有与人类学习有关的东西。看看这个视频：youtube.com/…在tensorflow的情况下，我主要使用tflearn和skflow（它们是tensorflow之上的2个框架），在skflow的情况下，你只需为构造函数指定一个logdir参数，这将为模型创建检查点和必要的文件，当您想继续训练时，您只需使用相同的 logdir 参数再次实例化模型，它将自动 (1/2)
加载您保存的权重和偏差，您只需再次调用“fit”，它将继续增量训练。对于 tflearn，您在使用 model.save(directory) 训练后保存模型，然后使用 model.load(directory) 加载它，加载后，您只需继续使用 fit 再次尝试。看看这 2 个框架，它们让 tensorflow 更容易采用
其实现代名词不是在线学习，而是持续学习。简单地以“增量”/“在线”方式学习并不能确保您不会忘记之前所学的内容。神经网络遭受灾难性遗忘（给定新数据，并训练足够长的时间 - 他们忘记了你以前拥有的一切）。