ANN 训练进度使用 FANN 重置每个新训练 session

Question

我有一个标准的神经网络，我已经训练了一段时间，但直到完美为止。训练 session 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 session，权重和偏差似乎都被完全重置，这意味着我正在从头开始重新训练网络：

上一个session:

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？在我看来，您可以在多个 session 的范围内训练网络，这对我来说似乎很直观。我错了吗？是图书馆的限制吗？

训练数据在 session 秒之间保持不变。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)

ANN 训练进度使用 FANN 重置每个新训练 session

ANN training progress resets every new training session using FANN

c++

fann