c++ - ANN 培训进度使用 FANN 重置每个新培训类(class)

Question

我有一个标准的神经网络，我已经训练了一段时间，但直到完善为止。培训类(class)完成后，我将网络保存在磁盘上。

一段时间后，我想从它离开的地方恢复训练网络。问题是，似乎每次我开始新的训练类(class)时，权重和偏差似乎都被完全重置，这意味着我要从头开始重新训练网络:

上一节课:

新 session :

这是我的训练函数的摘录:

void trainNet(fann *net) {
    const unsigned int
        max_epochs = 1000,
        epochs_between_reports = 10;
    const float desired_error = 0.01f;
    net -> learning_momentum = 0.1f;
    fann_train_on_file(net, "sessions.data", max_epochs, epochs_between_reports, desired_error);
    fann_save(net, "network.net");
    fann_destroy(net);
}

我错过了什么？这对我来说似乎很直观，你可以在多个 session 的跨度内训练一个网络。我错了吗？是图书馆的限制吗？

训练数据在 session 之间保持不变。这也不限于这个特定的网络——任何格式的网络似乎都会引发同样的问题。

Answer 1

What am I missing?

根据 Documentation - FANN Training > Training Data Manipulation > fann_set_training_algorithm :

Set the training algorithm.

示例:

fann_set_training_algorithm(net, FANN_TRAIN_INCREMENTAL)