Tensorflow 错了就重新训练
Tensorflow retrain if it's wrong
我是 Tensorflow 和 AI 的新手，所以我在研究我的问题时遇到了问题。要么，要么我的问题没有得到回答。
我正在尝试制作一个文本分类器，以根据网站的关键字对网站进行分类。我至少有 5,000 个站点和最多 37,000 个站点可供训练。
我想要完成的是：训练模型后，我希望它继续训练，因为它对网站所属的类别做出预测。
训练模型所依据的关键字是由客户选择的，因此它始终可以不同于其类别中的其他网站。
如果 Tensorflow 的预测不准确，我如何根据我所做的修正重新训练它的模型？ 基本上，永远训练。
你缺的关键词是微调。这是当您采用已经完成其习惯训练（无论是什么）的模型时，并且需要为您想到的应用程序做更多的工作。然后你用新的输入给它额外的训练；训练完成后（训练准确度稳定并接近测试准确度），然后您可以根据自己的目的部署增强模型。
这经常用于商业应用——例如，更新大型预测模型以包含最近一周的客户 activity。另一个常见用途是在动物园中找到一个模型，该模型针对与您想要的应用程序相关的事物进行了训练——也许是猫对狗——并使用它对面部特征的识别来缩短模型的训练以识别两个 类 的卡通人物——也许是 Pokemon v Tiny Toons。
在后一种情况下，您的微调将几乎完全消除模型最后几层学到的东西。您获得的是通过眼-鼻-口组合找到边缘、区域和特征的早期层能力。这至少节省了总训练时间的 30%。
我是 Tensorflow 和 AI 的新手，所以我在研究我的问题时遇到了问题。要么，要么我的问题没有得到回答。
我正在尝试制作一个文本分类器，以根据网站的关键字对网站进行分类。我至少有 5,000 个站点和最多 37,000 个站点可供训练。
我想要完成的是：训练模型后，我希望它继续训练，因为它对网站所属的类别做出预测。
训练模型所依据的关键字是由客户选择的，因此它始终可以不同于其类别中的其他网站。
如果 Tensorflow 的预测不准确，我如何根据我所做的修正重新训练它的模型？ 基本上，永远训练。
你缺的关键词是微调。这是当您采用已经完成其习惯训练（无论是什么）的模型时，并且需要为您想到的应用程序做更多的工作。然后你用新的输入给它额外的训练；训练完成后（训练准确度稳定并接近测试准确度），然后您可以根据自己的目的部署增强模型。
这经常用于商业应用——例如，更新大型预测模型以包含最近一周的客户 activity。另一个常见用途是在动物园中找到一个模型，该模型针对与您想要的应用程序相关的事物进行了训练——也许是猫对狗——并使用它对面部特征的识别来缩短模型的训练以识别两个 类 的卡通人物——也许是 Pokemon v Tiny Toons。
在后一种情况下，您的微调将几乎完全消除模型最后几层学到的东西。您获得的是通过眼-鼻-口组合找到边缘、区域和特征的早期层能力。这至少节省了总训练时间的 30%。