model.fit() 是否在 keras 中启动了模型的权重？答案

【问题标题】：Did model.fit() initiate model's weights in keras?model.fit() 是否在 keras 中启动了模型的权重？
【发布时间】：2019-05-12 00:36:50
【问题描述】：

model = Model(inPut, outputs=outPut)
model.compile(loss="mse", optimizer="adam")
for i in range(10):
   model.fit(dataX, dataY, epochs=EPOCH, batch_size=BATCHSIZE, verbose=0, shuffle=False)
   #save model

model = Model(inPut, outputs=outPut)
for i in range(10):
   model.compile(loss="mse", optimizer="adam")
   model.fit(dataX, dataY, epochs=EPOCH, batch_size=BATCHSIZE, verbose=0, shuffle=False)
   #save model

for i in range(10):
   model = Model(inPut, outputs=outPut)
   model.compile(loss="mse", optimizer="adam")
   model.fit(dataX, dataY, epochs=EPOCH, batch_size=BATCHSIZE, verbose=0, shuffle=False)
   #save model

我在 keras 中研究过神经网络。

我希望每次迭代都是每次学习。

但是第二次（第三次..第四次..）迭代学习（model.fit）正在持续进行第一次学习（model.fit）

损失在三个代码中不断发生。

你能告诉我一些每次迭代都是每次学习的方法吗？

每个迭代模型都是另一个模型。

【问题讨论】：

我不确定你在追求什么。你只是想在EPOCH epochs 之后继续使用fit 吗？ model.fit 从上一个 epoch 恢复训练，所以如果我明白你想要什么，它已经在做你想要的了。
我希望每个模型在交互上都不同。但在我的代码中，每个 for 语句都是相同的模型。第一个模型保存后，当我训练第二个模型时，模型已经在训练（第一个模型继续应用）。

标签： python keras

【解决方案1】：

如果您打算创建经过不同训练的模型但保持相同的架构，那么您的代码 sn-p #3 就是您所追求的。您使用相同的架构创建一个新模型，配置神经网络，然后对其进行训练。每次迭代后，请确保保存模型。

【讨论】：

但是，当我使用#3 时，我得到的结果与#1 和#1 相同。
那么你的代码在别处有问题。请提供您的完整代码，以便它可以重现。照原样，没有人可以重现您的发现。