我建立keras简单LSTM模型和训练有素如下:keras恢复训练不同的学习速度
model = Sequential()
model.add(LSTM(activation='tanh',input_dim=6,output_dim=50,return_sequences=False))
model.add(Dense(output_dim=1,activation = 'sigmoid'))
model.compile(loss='binary_crossentropy', optimizer =optimizers.Adam(lr = 0.01),metrics=['accuracy'])
model.fit(X_train,y_train,batch_size=256,nb_epoch=1000,validation_data = (X_test,y_test))
model.save('model_params.h5')
该模型几乎收敛。因此,我想通过使用较小的学习率(即0.001)恢复训练来微调模型。我怎么能做到这一点?
当你保存keras模型时,它也保存了优化器的状态。只要检查'load_model'代码,你会发现一个解决方法 – Nain
@Nain我知道。但我想改变优化器(它的学习速率)本身。我想知道是否需要重建模型并编译模型,使用之前模型的参数来初始化它。 – MTANG
你需要再次编译它 – Nain