← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9350 · 生成模型:GPT-6

网络可从旧参数继续训练

理解等级:中级

保存权重使模型可在已有参数上继续优化,并不必因增添训练样本就完全重启。继续训练仍需检查数据变化、旧任务退化和优化状态;保存参数不等于永久保留旧知识,也不保证新增数据只会改善效果。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      最后,网络的学习和记忆具有不稳定性。也就是说,如果增加了学习样本,训练好的网络就需要从头开始训练,对于以前的权值和阈值是没有记忆的,但是可以将预测、分类或聚类做得比较好的权值保存。

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html) - 结论依据:摘录中关于网络可从旧参数继续训练的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:最后,网络的学习和记忆具有不稳定性。也就是说,如果增加了学习样本,训练好的网络就需要从头开始训练,对于以前的权值和阈值是没有记忆的,但是可以将预测、分类或聚类做得比较好的权值保存。