model = tflearn.DNN()
model.fit(train_X, train_y, n_epoch=5,
validation_set=(test_x, test_y),
show_metric=True, snapshot_epoch=True,
snapshot_step=20, batch_size=100)
其中,如果snapshot_epoch参数的值是True,那么不管你怎么设置,都会把每一步的结果保存下来,在你训练完成之后发现文件非常大,好几个g。
所以,你要将snapshot_epoch参数的值设置为False,这样,再在snapshot_step参数里面设置隔几步保存一次模型就可以了。
当然了,也可以将这俩参数设置为False和None,这样在最后,用 model.save("model.tfl")来手动保存模型。
在想用的时候,直接加载模型,model.load("model.tfl"),然后训练新的数据即可。
model.fit(X, y,
n_epoch=10,
validation_set=(test_x, test_y),
show_metric=True,
snapshot_epoch=True,
snapshot_step=500,
batch_size=100)