训练后适应神经网络

Question

在初始训练后适应神经网络的最佳方法是什么？

即我想做一些图像识别，我展示的新图片越多，网络应该会变得更好。这可以通过强化学习来完成，但为了在开始时快速进步，我想使用反向传播。是否可以更新网络？

那么以后创建新类别呢？

除了用完整的数据集重新训练它之外，还有其他方法吗，因为那会花费很多时间。

对于我的基本问题，我很抱歉，但我找不到太多关于此的信息。

Answer 1

可以通过在新数据上以较小的学习率训练神经网络来进行调整。甚至可能以比其他层更高的学习率训练最后一层（如果您使用的是深度神经网络）。

对于您问题的第二部分，关于创建新类别，深度神经网络可以用作任何其他分类器（可能是另一个小型神经网络）之上的特征提取器。当你想添加一个新的类别时，你必须重新训练小分类器（或神经网络）。这意味着您将保留特征检测器（深度神经网络）的训练值并使用它来检测新类别。