我使用 TensorFlow 网站上的教程构建了一个模型。这是一个简单的图像分类神经网络。我对其进行了训练，并将模型和权重一起保存在一个.h5文件中。
最近，我一直在阅读有关反向传播的文章。据我了解，这基本上是一种告诉神经网络是否识别出正确输出以及是否仅在训练数据期间应用的方法。
所以，我想知道模型是否有办法随着时间的推移“改进”，因为它会做出越来越多的预测。或者这不是神经网络的工作方式吗？
如何随着时间的推移改进经过训练的模型（即具有更多预测）？
人工智能
神经网络
深度学习
反向传播
增量学习
2021-11-04 09:48:45
1个回答
这正是神经网络的工作方式。
假设您有 1000 个示例。你如何训练一个网络：首先，你将这 1000 个分成 100 个批次（每个批次 10 个）。完成之后，你向网络提供一个批次，获取其输出并将其与基本事实进行比较，无论错误是什么都会反向传播。然后，对于下一批，然后是另一批。一旦所有这些批次都完成了，你就说一个时代结束了。因此，epoch 的数量实际上是网络看到整个数据的次数。
这就是神经网络变得更好的方式。