如何训练我的 DNNClassifier 模型（在 tensorflow 中）以从新的训练案例中学习？我无权访问初始 CSV 文件
How do I train my DNNClassifier model (in tensorflow), to learn from new training cases? I do not have access to the initial CSV file
如何训练我的 DNNClassifier 模型（在 tensorflow 中）以从新的训练案例中学习？我无权访问初始 CSV 文件。
假设我用过
classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns,
hidden_units=[10, 20, 10],
n_classes=3,
model_dir="/tmp/iris_model")
现在，在我用它进行测试之前，我想用更多的数据训练它。怎么做？
你可以运行这样的东西：
classifier.train(input_fn=my_training_set, steps=1000)
这应该继续根据“/tmp/iris_model”中的内容训练模型（您可能需要使用 steps 参数）。
最终结果可能不会比开始时更好。由于您没有原始数据，因此您添加的数据可能具有不同的分布。随着模型的训练，它可能会忘记原始数据并整体表现更差。您需要进行试验。
如何训练我的 DNNClassifier 模型（在 tensorflow 中）以从新的训练案例中学习？我无权访问初始 CSV 文件。
假设我用过
classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns,
hidden_units=[10, 20, 10],
n_classes=3,
model_dir="/tmp/iris_model")
现在，在我用它进行测试之前，我想用更多的数据训练它。怎么做？
你可以运行这样的东西：
classifier.train(input_fn=my_training_set, steps=1000)
这应该继续根据“/tmp/iris_model”中的内容训练模型（您可能需要使用 steps 参数）。
最终结果可能不会比开始时更好。由于您没有原始数据，因此您添加的数据可能具有不同的分布。随着模型的训练，它可能会忘记原始数据并整体表现更差。您需要进行试验。