我有大量训练数据的文本分类问题。运行交叉验证需要很多时间——几天甚至几周。为了让系统反应更灵敏，我在想下面的方案：

• 在实例 1,...,100 上训练网络。
• 在实例 101,...200 上测试它；输出精度。
• 在实例 101,...200 上训练现有网络；
• 在实例 201,...300 上测试它；输出精度。
• 等等。

理想情况下，我希望这样：

• 每增加 100 个实例的训练将花费固定时间（即，我不必在所有先前实例上重新训练网络）；
• 经过训练的网络将具有所有先前实例的组合“智慧”（因此其准确性将随着时间的推移而提高）。

这可能与标准的深度学习工具（例如 dynet）有关吗？