如何在 matlab 中多次训练神经（模式识别）网络？

Question

我需要在 matlab 中训练一个模式识别网络。 我有几个数据集可用于训练。 我的脚本如下所示：

%%% train network with a couple of datasets
pathStr = 'Daten_Training';
files = dir(sprintf('%s/*.mat',pathStr)); 

for k = 1:length(files)

    %%% load data for training
    load(sprintf('%s/%s',pathStr, files(k).name));

    %%% manually set targets to train the network with
    Targets = setTargets(Data);

    %%% create and train neural network
    % Create a Pattern Recognition Network
    hiddenLayerSize = 20;
    net = patternnet(hiddenLayerSize);

    % Train the network with our Data
    net = trainNetwork(net,Data,Targets);

end

trainNetwork函数如下所示：

function [ net ] = trainNetwork( net, Data, Targets )

    % calculate features
    [Features, TargetsBlock, blockIdx] = calcFeatures_Training(Data, Targets);

    % split data for training
    net.divideParam.trainRatio = 70/100;
    net.divideParam.valRatio = 15/100;
    net.divideParam.testRatio = 15/100;

    % Train the network
    [net, tr] = train(net, Features, TargetsBlock);

end

有没有办法以相同的结果进行多次训练，就像我对所有数据集连续使用一次训练一样？ 现在看起来网络只是用新数据重新训练，之前的一切都丢失了。

Answer 1

不要现在它是否实际，但也许对某人有帮助。

一个网络只能训练一次。 如果你再次训练，它将是一个新的网络。 :) 权重会有所不同。 如果您提供相同的名称，MATLAB 将在您每次运行脚本时覆盖。

我认为最好的方法是：

1. 使用您自己的输入、层和选项训练您的网络。
2. 使用以下函数将您的网络保存到一个文件中： save('myFilename.mat','myNetname');
3. 从文件加载你的网络： load('myFilename.mat');
4. 更改输入 - 也许您有多个数据集。
5. 更新网络上的权重，并评论训练选项 (%)！ 不要再次训练网络。 您可以使用以下函数进行更新： myNetname = predictAndUpdateState(myNetname,someInput);

希望这对某人有帮助:)