如何在 matlab 中多次訓練神經（模式識別）網絡？

Question

我需要在 matlab 中訓練一個模式識別網絡。 我有幾個數據集可用於訓練。 我的腳本如下所示：

%%% 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函數如下所示：

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

有沒有辦法以相同的結果進行多次訓練，就像我對所有數據集連續使用一次訓練一樣？ 現在看起來網絡只是用新數據重新訓練，之前的一切都丟失了。

Answer 1

不要現在它是否實際，但也許對某人有幫助。

一個網絡只能訓練一次。 如果你再次訓練，它將是一個新的網絡。 :) 權重會有所不同。 如果您提供相同的名稱，MATLAB 將在您每次運行腳本時覆蓋。

我認為最好的方法是：

1. 使用您自己的輸入、層和選項訓練您的網絡。
2. 使用以下函數將您的網絡保存到一個文件中： save('myFilename.mat','myNetname');
3. 從文件加載你的網絡： load('myFilename.mat');
4. 更改輸入 - 也許您有多個數據集。
5. 更新網絡上的權重，並評論訓練選項 (%)！ 不要再次訓練網絡。 您可以使用以下函數進行更新： myNetname = predictAndUpdateState(myNetname,someInput);

希望這對某人有幫助:)