不同历元数的神经网络在一个循环中的拟合，而不需要每次迭代

Question

我正在使用keras库在python中拟合一个递归神经网络。我通过改变epoch函数中的参数nb_epoch来拟合不同的epoch个数。目前我正在使用for循环，每次我改变nb_epoch时都会重新拟合，这是一个大量重复的工作。下面是我的代码（如果您想跳过代码详细信息的其他部分，则循环位于代码底部）：

from __future__ import division
import numpy as np
import pandas
from keras.models import Sequential
from keras.layers.core import Dense, Activation, Dropout
from keras.layers.recurrent import LSTM
from sklearn.preprocessing import MinMaxScaler
from sklearn.learning_curve import learning_curve


####################################
###
### Here I do the data processing to create trainX, testX
###
####################################

#model create:
model = Sequential()

#this is the epoch array for different nb_epoch


####################################
###
### Here I define model architecture
###
####################################

model.compile(loss="mse", optimizer="rmsprop")


#################################################
####  Defining arrays for different epoch number 
#################################################
epoch_array = range(100, 2100,100)


# I create the following arrays/matrices to store the result of NN fit 
# different epoch number.

train_DBN_fitted_Y = np.zeros(shape=(len(epoch_array),trainX.shape[0]))
test_DBN_fitted_Y = np.zeros(shape=(len(epoch_array),testX.shape[0]))

###############################################
###
### Following loop is the heart of the question
###
##############################################

i = 0  
for epoch in epoch_array:
      model.fit( trainX, trainY,
            batch_size = 16, nb_epoch = epoch, validation_split = 0.05, verbose = 2)
      trainPredict = model.predict(trainX)
      testPredict = model.predict(testX)
      trainPredict = trainPredict.reshape(trainPredict.shape[0])
      testPredict = testPredict.reshape(testPredict.shape[0])
      train_DBN_fitted_Y[i] = trainPredict
      test_DBN_fitted_Y[i]  = testPredict
      i = i + 1

现在这个循环效率很低。因为例如，当它设置为nb_epoch=100时，它从epoch = 1开始训练，到epoch = 100结束，如下所示：

^{pr2}$

在循环的下一个迭代中，它说nb_epoch = 200，它再次从epoch = 1开始训练，并在epoch = 200结束。但我想做的是，在这个迭代中，从循环的最后一次迭代中的地方开始训练，即epoch = 100，然后epoch = 101等等。。。。在

如何修改此循环以实现此目的？在

Answer 1

您可以使用fit的initial_epoch参数（请参见docs）

Answer 2

连续调用fit是在进一步训练模型，从上一次调用留下的状态开始。要使它不继续，它必须重置模型的权重，fit不会这样做。你只是没有看到它这样做，因为它总是从1开始计算时代。在

所以最终问题是它没有打印出正确的纪元数（你不能改变）。在

如果这让您感到困扰，您可以通过定期调用^{}来实现自己的fit。在