【发布时间】：2016-11-03 09:33:16
【问题描述】：
我或多或少可以弄清楚代码在做什么。我的问题是在最后创建 h2o 模型以重复运行它有什么优势。这比仅仅在 tensorflow 中部署模型更好吗？
【问题讨论】：
标签： tensorflow sparkling-water
【发布时间】：2016-11-03 09:33:16
【问题描述】：
您基本上是在训练 1 次以上的数据，这意味着该模型需要学习的步数增加一倍。请记住，任何梯度下降类型的深度学习都在逐步向局部最小值前进，因此如果您运行 1 遍完整数据，它可能尚未到达最佳点，因此在更多训练后您可能会获得更好的损失。
【讨论】：
-
不要以为我明白我的意思。如果您想要更多的培训通行证，为什么不继续运行 tensorflow？问题是为什么要创建一个 h2o 模型，而不是停留在 tensorflow 的范围内。
-
不确定“继续运行 tensorflow”是什么意思？
-
当你在 tensorflow 上进行训练时，你已经在迭代中运行训练。所以我说，为了更接近全局/局部最小值，正如你所描述的，只需增加 tensorflow 的迭代次数。为什么要创建一个 h2o 模型来进行更多迭代。
-
这正是网页想要表达的意思。它训练了一个 epoch（对数据进行全通），结果不够好，因此它再运行 1 个 epoch（对训练数据进行另一个全通）以尝试获得更好的结果。
-
我不知道为什么我们没有连接。您会看到标题“将 TensorFlow 模型转换为 H2O 深度学习模型”，他们在其中进行了调用 dlmodel = H2ODeepLearningEstimator(... 然后它执行了“为 TensorFlow 模型提取 Java 评分代码 (POJO)”。然后是model_from_TF.java 中的一大堆 java 代码。这些只是 tensorflow 代码的包装器吗？如果是，那么包装器的附加值到底是什么。