c++ - ANN培训进度会使用FANN重置每个新的培训类(class)

我有一个已经训练了一段时间的标准神经网络，但是直到完美为止。培训课程结束后，我将网络保存在磁盘上。

一段时间后，我想从它离开的地方继续训练网络。问题是，似乎每次我开始一个新的培训课程时，权重和偏见似乎都已完全重置，这意味着我正在从头开始重新训练网络：

上届会议：



新会议：



这是我训练功能的摘录：

void trainNet(fann *net) {
    const unsigned int
        max_epochs = 1000,
        epochs_between_reports = 10;
    const float desired_error = 0.01f;
    net -> learning_momentum = 0.1f;
    fann_train_on_file(net, "sessions.data", max_epochs, epochs_between_reports, desired_error);
    fann_save(net, "network.net");
    fann_destroy(net);
}

我想念什么？对我来说似乎很直观，您可以跨多个会话训练网络。我错了吗？它是图书馆的限制吗？

两次会议之间的培训数据保持不变。这也不限于这个特定的网络-任何格式的网络似乎都会引发相同的问题。

最佳答案

我想念什么？


根据Documentation - FANN Training > Training Data Manipulation > fann_set_training_algorithm：


  设置training algorithm。


范例：

fann_set_training_algorithm(net, FANN_TRAIN_INCREMENTAL)

关于c++ - ANN培训进度会使用FANN重置每个新的培训类(class)，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/53447054/