训练后适应神经网络
Adapt neural network after training
在初始训练后调整神经网络的最佳方法是什么？
即我想做一些图像识别，我呈现的新图片越多，网络应该会变得更好。这可以通过强化学习来完成，但为了在开始时取得快速进步，我想使用反向传播。是否可以更新网络？
然后创建新类别呢？
除了用完整的数据集重新训练它之外，还有其他方法吗，因为那会花费很多时间。
很抱歉我的基本问题，但我找不到太多关于此的信息。
神经网络可以通过在新数据上以较小的学习率进行训练来进行调整。甚至可以用比其他层更大的学习率训练最后一层（如果你使用的是深度神经网络）。
对于问题的第二部分，关于创建新类别，深度神经网络可以用作任何其他分类器（可能是另一个小型神经网络）之上的特征提取器。当你想添加一个新类别时，你必须重新训练小分类器（或神经网络）。这意味着您将保留特征检测器（深度神经网络）的训练值并使用它来检测新类别。
在初始训练后调整神经网络的最佳方法是什么？
即我想做一些图像识别，我呈现的新图片越多，网络应该会变得更好。这可以通过强化学习来完成，但为了在开始时取得快速进步，我想使用反向传播。是否可以更新网络？
然后创建新类别呢？
除了用完整的数据集重新训练它之外，还有其他方法吗，因为那会花费很多时间。
很抱歉我的基本问题，但我找不到太多关于此的信息。
神经网络可以通过在新数据上以较小的学习率进行训练来进行调整。甚至可以用比其他层更大的学习率训练最后一层（如果你使用的是深度神经网络）。
对于问题的第二部分，关于创建新类别，深度神经网络可以用作任何其他分类器（可能是另一个小型神经网络）之上的特征提取器。当你想添加一个新类别时，你必须重新训练小分类器（或神经网络）。这意味着您将保留特征检测器（深度神经网络）的训练值并使用它来检测新类别。