我正在for回圈中訓練模型，因為...我可以。我知道有像tf.DatasetAPI這樣的替代方法generators可以從磁盤流式傳輸資料，但我的問題是關于回圈的具體情況。
TF 是否在每個回圈開始時重新初始化模型的權重？還是僅在模型第一次實體化時才進行初始化？
編輯 ：
for msn in LIST:
data = pd.read_parquet(
"03 - Data",
engine='pyarrow')
data = data[column_order]
data.rename(columns={"Flight_Id_Int":"Flight_Id"}, inplace=True)
""" DATA PREPARATION AND FORMATING """
data_clean = clean_and_prepare(data, SEQ_LEN, input_type=model_type, smooth=True)
# To keep the chonological order of flight we don't random shuffle
train_idx = np.arange(0, int(len(data_clean)*0.9))
test_idx = np.arange(int(len(data_clean)*0.9), len(data_clean))
train_df = tf.data.Dataset.from_tensor_slices(
(data_clean[train_idx], data_clean[train_idx])
).batch(BATCH_SIZE)
test_df = tf.data.Dataset.from_tensor_slices(
(data_clean[test_idx], data_clean[test_idx])
).batch(BATCH_SIZE)
""" MODEL TRAINING """
history = model.fit(train_df,
epochs=EPOCHS,
validation_data=(test_df),
callbacks=[tf.keras.callbacks.EarlyStopping(
monitor="val_loss",
patience=15,
mode="min",
restore_best_weights = True)])
plot_train_history(history, "Autoencorder {0} - MSN: {1}".format(model_type, msn))
uj5u.com熱心網友回復：
定義層時（之前fit）初始化權重。之后它不會重新初始化權重 - 即使您多次呼叫 fit 。
為了證明這種情況，我在常規訓練時期繪制了決策邊界（通過呼叫fitthen predict）：
轉載請註明出處，本文鏈接：https://www.uj5u.com/caozuo/417933.html
標籤：