tensor flowのループ処理ごとの初期化について

tensor flowで機械学習をする際、データを増やしながらループをした際に、各ループの最初の時点でウエイトを初期化する方法はありますでしょうか？

というのもどうやら、ループごとにパラメータの更新を引き継いでいるようで、何度かループを繰り返すうちに過学習していっているような気がします。

下記の例において、[0:1200],[0:1700],[0:2200],[0:2700],[0:3200]の各データセットを”別個に最初から学習したもの”としての結果が欲しいということです。

python
1model = Sequential()
2model.add
3・・・
4model.add(Dense(output, activation='softmax'))
5model.compile(loss=sharpe_loss, optimizer=optimizer)
6--------------------------
7ループ用
8pred = []
9for i in range(0, 2010, 500):
10    model.fit(re_data[0:1200+i], re_target[0:1200+i],
11          batch_size=1,verbose=0,validation_split = 0.1,
12          epochs=100,shuffle=False)
13    pred.append(model.predict(re_data[1200+i : 1700+i])   
14

行動規範の内容に同意します

回答1件

ベストアンサー

以下のようにすると、質問者様のやりたい動きになると思います。

Python
1model = Sequential()
2model.add
3・・・
4model.add(Dense(output, activation='softmax'))
5model.compile(loss=sharpe_loss, optimizer=optimizer)
6initial_weights = model.get_weights()    # 追加
7--------------------------
8ループ用
9pred = []
10for i in range(0, 2010, 500):
11    model.set_weights(initial_weights)   # 追加
12    model.fit(re_data[0:1200+i], re_target[0:1200+i],
13          batch_size=1,verbose=0,validation_split = 0.1,
14          epochs=100,shuffle=False)
15    pred.append(model.predict(re_data[1200+i : 1700+i])