1、保存
除了正常训练好的模型进行保存save,save_weights;还有训练中的checkpoint好的保存;这里还有就是训练全过程中的个重要数据的保存,比如清洗好的数据保存csv,清洗好的特征保存表格或数据库,或者中间模型矩阵等可以保存为npy
这样后续可以直接加载使用,防止卡死或者资源不够
字典也可以保存npy:
all1 = {"a":12,12:"sd"}
np.save("all1.npy",all1)
kk = np.load("all1.npy",allow_pickle=True)
kk.item()
2、增量更新
array增量增加数据,再模型cosine
- a_vecsss[:5],[a_vecsss[0]]要相同维度,所以后面多加了一层
ccc = np.append(a_vecsss[:5],[a_vecsss[0]],axis=0)
ccc
- ccc, a_vecsss[0] 这两个不是一个维度
np.dot(ccc, a_vecsss[0])