Keras培训warm_start

Question

是否可以像在 scikit-learn 中使用 warm_start 参数一样，继续使用所有超参数（包括降低的学习率）和权重来训练 Keras 估计器？像这样的：

estimator = KerasRegressor(build_fn=create_model, epochs=20, batch_size=40, warm_start=True)

具体来说，热启动应该这样做：

warm_start : bool，可选，默认 False 设置为 True 时，重用 之前调用 fit 作为初始化的解决方案，否则， 只需删除以前的解决方案即可。

Keras 有类似的东西吗？

Answer 1

是的 - 这是可能的。但是比较麻烦。您需要使用 train_on_batch 函数来保留所有模型参数（也包括优化器参数）。

这很麻烦，因为您需要自己将数据集划分为批次，并且您也失去了应用Callbacks 和使用自动progbar 的可能性。我希望在新的Keras 版本中，此选项将添加到fit 方法中。