Encog：增量训练答案

【问题标题】：Encog: incremental trainingEncog：增量训练
【发布时间】：2015-10-27 19:33:22
【问题描述】：

我遇到了一个关于使用 Encog 进行神经网络在线学习的问题 (Encog: BasicNetwork: Online learning without preconstructed dataset)。我想问一个相关的问题。假设我有 x 个数据点来训练神经网络。训练后，我得到了 y 个新数据点。这个想法是有一个使用 x+y 数据点的神经网络。然而，由于这些 x 点已经用于训练网络，是否可以使用这些 y 数据点训练同一个网络而无需任何重置，并且效果就像使用 x 和 y 数据点训练网络一样，而不是花时间从头开始重新训练一切。还是这样完成的：https://github.com/encog/encog-java-examples/blob/master/src/main/java/org/encog/examples/neural/resume/TrainResume.java？

【问题讨论】：

【解决方案1】：

我认为正确的做法是使用 TrainingContinuation，因为它会传递有关培训的一些信息。但是，如果您没有序列化然后加载网络，则可以通过不调用 train.finalize() 来跳过它。这当然取决于您使用的训练方法和 YMMV。

【讨论】：

对于我的案例，我不太了解 TrainingContinuation 的想法。如果您想停止训练并稍后在完全相同的数据集上继续，那么使用这样的函数是有意义的。但是，当您想使用新数据集（例如旧数据集 + 新数据集）训练已经训练过的网络时，我怀疑 TrainingContinuation 是否有用。在以下情况下，看起来训练仍在继续，但新数据集不是旧数据集 + 新数据集，所以早期的训练丢失了，对吗？ nnlearner.resume(trainContinuation); nnlearner.setTraining(newTrainingSet);
如果要使用两个训练集的总和，则必须将两者的组合传递给 setTrainingSet()。否则你会得到的是旧数据集被替换，但训练的权重被保留，随后将仅在新数据集上进行训练。
然后，培训变得过于昂贵，这是我想避免的。所以，这是不可能的。
不太清楚你在这里期待什么。你想同时训练两组，还是想训练一组，保留重量，然后再训练下一组？
首先在训练集 A 上训练，然后在 A+B 上训练，然后在 A+B+C 上训练，依此类推。正如预期的那样，这可能会很昂贵。因此，我想知道是否可以像在 A+B 上进行训练一样只在 B 上训练（仅在 A 上训练之后），然后像 A+B+C 一样在 C 上训练