Запуск model.fit несколько раз без повторного создания модели. ⇐ Python

[Anonymous]

Справочная информация

Я смотрю популярный ускоренный курс YouTube по машинному обучению.

В 3:35 :50, он упоминает, что модель, скорее всего, переоснащена, поэтому подходит к ней снова с меньшим количеством эпох.

Поскольку он не создавал заново модель, разве это не эквивалентно подгоняя модель теми же данными, тем самым продолжая перетренировать его?

Мой вопрос

Предположим, у вас есть созданная модель и готовые к использованию данные.

Вы бежите:

Код: Выделить всё

model.fit(train_images, train_labels, epochs=10)
model.fit(train_images, train_labels, epochs=8)

Это эквивалентно бегу:

Код: Выделить всё

model.fit(train_images, train_labels, epochs=18)

Или:

Код: Выделить всё

model.fit(train_images, train_labels, epochs=8)

Если ранее подобранные данные перезаписываются, почему запуск model.fit во второй раз начинается с точностью предыдущей модели?

Во многих других вопросах, касающихся сохранения и обучения моделей, принятые решения — загрузить ранее обученную модель и снова запустить model.fit.

Если это перезапишет ранее существовавшие веса, не противоречит ли это изначальной цели сохранения модели? Разве первое обучение модели на новых данных не будет эквивалентным?

Каков подходящий способ обучения модели на нескольких похожих наборах данных, сохраняя при этом точность во всех случаях? все данные?

Подробнее здесь: https://stackoverflow.com/questions/621 ... -the-model