多次拟合Keras-LSTM模型

Question

问题描述:

给出了一组具有70/100时间序列的Keras-LSTM模型，并将其与剩余的30个时间序列进行比较。

伪码中的方法:

    lookBack = 3
    for i in range(0, 70):
        xData, YData = sample(timeSeries[i], lookBack)
        model.fit(xData, yData)
        
    for i in range(70, len(timeSeries)):
        xData, _ = sample(timeSeries[i], lookBack)
        model.predict(xData)

我想知道我的方法是否有效，因为我不知道对.fit()的连续调用是否有效。模型是否在每次迭代中重置其状态？

这里似乎已经回答了这一问题，但我不知道这是否仍与2016年的情况相关。

此外，是否有其他方法来做到这一点？

我的任务主要集中在超参数的调优(总层、层类型、神经元/层、纪元和批处理大小)，而不是在实现本身。正如文档中所指出的，我正在考虑使用fit与生成器，但是我不知道如何设计一个生成器，即使这样做了，我也不知道这是否允许对超参数进行调优。

Answer 1

是的，您可以多次调用Fit方法。

Yes, successive calls to fit will incrementally train the model.

由@fchollet评论。https://github.com/keras-team/keras/issues/4446#issuecomment-261804574