假设我有一个 200 万的数据集。起初，我只使用了 100 万个，训练了这些模型并将模型保存为 h5 格式，如 first.h5。后来我又用了 100 万个数据，用同样的算法训练了这些数据，并保存为second.h5。训练需要一天以上的时间，因此我不能一次使用所有 200 万个数据。有什么办法，我可以合并这两个保存的模型，如first.h5 + second.h5 = merged.h5
【问题讨论】：
标签： machine-learning keras neural-network deep-learning
您无法做到这一点（合并模型）。让我简单地说。您使用大约 100 万个数据训练一个名为 first 的孩子来识别图像是猫还是狗。然后，您使用其他 100 万个数据训练了名为 second 的第二个孩子来识别图像是猫还是狗。现在你要求的是结合first和second。
但是，假设训练数据是 IID（独立且同分布），那么您可以做的是创建两个模型的集合以进行预测。
集成两个模型的简单方法是
关注link 了解如何参加合奏。
或者一个简单的策略是平均两个模型的最终分数，并使用平均分数进行预测。
一个更强大的策略是使用验证集来找到类的权重，然后使用这些权重对看不见的数据进行最终预测。
【讨论】：
您可以合并 - average weights - 但这与使用完整数据集进行训练不同。
通常使用更多数据进行训练会产生更好的结果，更好的模型。
如果您不想使用完整数据集进行训练，我建议不要对权重进行平均，而是将这两种模型都用于推理和平均预测。
【讨论】：