假如我有2台服务器A和B，我建立了一个相同结构的Sequential模型，同时在2个服务器上跑， 保存后得到了2个h5的文件，我是否能将这2个文件进行合并，得到一个新的结果，来提升成功率。
我是在看到了A3C的理念后，想到的，希望能在多台服务器进行学习，然后和主服务器通讯，更新结果，并获取新的模型数据，再进行下一轮学习。
在网上搜索了很久没有看到类似的情况，不知道是用model.updates还是model.add_update，或其他什么方法？是只更新权重还是包含优化器状态？
希望有人帮助得到解答，谢谢，祝大家新年快乐！
2个回答
这些天我思考了一下，keras在fit的时候，应该也是进行了数据更新，可fit部分的代码确实没看懂。。。。
找到到一个类似的代码，如下：
updates = self.rms_optimizer.get_updates(self.model.trainable_weights, [], loss)
K.function([self.model.input, self.discounted_r], [], updates=updates)
这个是更新了loss，keras里面最重要的是权重还是loss？这2者的关系很困惑，fit学出来保存的好像是权重，loss呢。。。
之前的貌似被吞了，现在补上。。。
SofaSofa数据科学社区DS面试题库 DS面经
豆豆爹地
2019-02-15 09:35
最简单的方法就是直接把结果合并，类似于stacking
每个服务器都训练出一个模型，每个模型的预测值的平均值就可以作为你合并之后的结果
或者也可以ensemble，把每个模型的输出值作为ensemble模型的输入值，再训练一个小模型
SofaSofa数据科学社区DS面试题库 DS面经
何立诚
2019-02-11 04:47
相关讨论
随便看看