如果我再次拟合模型，损失会减少还是会重置为初始损失？ [关闭]答案

【问题标题】：Will the loss decrease if i fit the model once again or will it reset to initial loss? [closed]如果我再次拟合模型，损失会减少还是会重置为初始损失？ [关闭]
【发布时间】：2018-01-19 13:19:52
【问题描述】：

    for iteration in range(NUM_ITERATIONS):
        print()
        print("="*50)
        print("Iteration:",iteration)
        model.fit(X,y,batch_size=BATCH_SIZE,epochs=NUM_EPOCH_ITERATION)
        rand=np.random.randint(len(x_labels))
        test="vikas n s "
        print(test,end="")

        for i in range(NUM_PREDICTION_PER_EPOCH):
            Xtest=np.zeros((1,sqlen,nb_chars),dtype=np.bool)
            for i,ch in enumerate(test):
                Xtest[0,i,char2index[ch]]=1
            pred=model.predict(Xtest)
            temp=pred
            pred=pred[0]
            ypredict=index2char[np.argmax(pred)]
            print(ypredict,end="")
            test=test[1:]+ypredict

在这段代码中，每次迭代我都在拟合模型。我的假设是，当我再次拟合模型时，应该将损失重置为原始损失或与之接近的损失。但我发现损失仍在继续。 IE：如果初始损失为 4 并且在第 1 次迭代中的所有 epoch 损失下降到 2。现在，当我在下一次迭代中再次拟合模型时，我希望损失从 4 开始。相反，它从 2 开始。为什么会这样？

【问题讨论】：

看起来模型从未在该代码中重置。所以不，它不应该显示类似于训练过程开始时的损失值。
@E_net4 如何重置模型？

标签： python machine-learning keras neural-network deep-learning

【解决方案1】：

因为 Keras model.fit 方法正是这样做的，即从模型当时的任何状态开始训练；因此，如果模型已经从之前的会话/迭代中接受了一些训练，那么新的fit 确实会从该点开始。

如果您想为每次迭代创建一个新的拟合会话（即“重置”您的模型），您应该将您的模型构建包装在一个便利函数中，并在每次迭代之前在 model.fit 之前调用此函数（或者当然只需在每次迭代中包含整个模型构建代码...）。

【讨论】：

你可以修改上面的重置吗？