python - 每次使用不同的数据集多次调用以及使用所有数据集调用一次时,keras 模型的拟合有何不同?
问题描述
我正在使用时间序列数据集,其中有两种不同的情况。一个我的序列大小相同,另一个序列长度不同。当我有相同长度的序列时,我可以合并所有数据集,然后拟合模型一次。
但是对于不同长度的序列,我想知道 keras model.fit 的行为会有什么不同
- 如果模型一个一个地安装了每个不同长度的序列,批量大小=序列长度
- 如果模型被拟合一次,所有序列合并在一起,具有固定的批量大小
根据给定的场景,正确或更好的行动方案应该是什么?
解决方案
在第一种情况下,首先使用第一个数据集优化权重,然后为第二个数据集更改(更新)权重,依此类推。在第二种情况下,您同时要求模型从所有数据集中学习模式。这意味着权重将一次根据所有数据集进行调整。我更喜欢第二种方法,因为 NN 在新数据集上训练时倾向于忘记/中断。他们更有可能专注于他们最近看到的数据。
推荐阅读
- python - 如何在 Python 中将多个 .txt 文件转换为 .csv 文件
- shell - 当有多个文件等待锁定时,flock 是否维护队列?
- python - 沙漏网络和自动编码器有什么区别?
- python - 如何从 ID3 字节串中提取轨道信息?
- angular - 如何将从服务文件中检索到的变量传递给组件构造函数到顶部装饰器?
- php - 使用 laravel 批量插入和更新数据的最佳方法是什么
- sql - 多个日期/ ID 的 Redshift Min Window 函数
- javascript - jQueryUI 可拖动图像在正文元素中使用新行滚动
- firebase - 如何阻止用户写入 Firebase 数据库?在不更改以下所有其他规则的情况下
- java - 如何使用 Java Panama 在本机内存中存储对象数组