多次拟合 Keras-LSTM 模型答案

【问题标题】：Fit a Keras-LSTM model multiple times多次拟合 Keras-LSTM 模型
【发布时间】：2022-01-25 03:07:08
【问题描述】：

问题描述：

给定一组 100 个时间序列的 X 训练/拟合具有 70/100 时间序列的 Keras-LSTM 模型，生成 30 个预测并将它们与 X 的剩余 30 个时间序列进行比较。

伪代码方法：

    lookBack = 3
    for i in range(0, 70):
        xData, YData = sample(timeSeries[i], lookBack)
        model.fit(xData, yData)
        
    for i in range(70, len(timeSeries)):
        xData, _ = sample(timeSeries[i], lookBack)
        model.predict(xData)

我想知道我的方法是否有效，因为我不知道连续调用 .fit() 是否有效。模型是否在每次迭代中重置其状态？

似乎已经回答了here，但我不知道这是否仍然相关，因为它早在 2016 年。

还有其他方法可以做到这一点吗？

我的任务主要侧重于超参数的调整（总层数、层类型、神经元/层、epoch 和 batch-size），而不是实现本身就这么多。我正在考虑将 fit 与生成器一起使用，如文档中所述，但我不知道如何设计一个，即使我这样做了，我也不知道这是否允许调整超参数

【问题讨论】：

标签： python tensorflow keras lstm

【解决方案1】：

是的，您可以多次调用 Fit 方法。

Yes, successive calls to fit will incrementally train the model.

@fchollet 评论。 https://github.com/keras-team/keras/issues/4446#issuecomment-261804574

【讨论】：

我已经提供了上面的链接
是的，它在新的 Tensorflow 和 Keras 版本中仍然有效
有办法验证吗？