神经网路训练好之后，如何增加数据再次训练。？

由于数据量太大，想用一部分数据训练，把模型存和参数起来。然后不断增加一部分数据，再次训练，如何完成呢？用keras写的，tensorflow可以实现吗？

Keras 可以保存模型：

FAQ - Keras Documentation

另外，Keras 并不需要把所有的数据都读到内存里，利用 model 类的 fit_generator 方法可以每次提供一部分数据训练模型。

训练不必一次性把所有数据都读到内存（无论CPU还是GPU）中，每次读一个batch就可以；同时，keras可以把保存模型，可以load已经保存的模型，在进行fine-tuning。

Keras是可以实现的，每次保存参数，下次训练之前，把参数load进去。但是这样的话，你训练出来的网路可能基本是基于最后一批数据的。假设你每批数据100个样品，batch size = 5，共计20个batch，每个epoch把这20个batch依次走一遍，这是正常的training。但是这样总100个样品的数据你总共15批，可以看做总计有15个超级batch，每个超级batch的size是100。如果你想这么加数据进行training，这15个超级batch不能只跑一次吧，只要也要跑几个这种超级epoch才能比较准吧。

可以再写个外部循环，每次从硬碟上把这100个样品读进内存，完了在删了读下一个。

tensorflow中可以使用tf.train.Saver()和restore()保存和提取网路的参数。keras框架是基于tensorflow的，可以说底层就是tf，可以用tensorflow实现。

如果不能，那你觉得fine-tune是怎么做的。。把input路径改成新的就好了

没有那么大的硬碟就尽量别玩儿dl了...

tensorflow可以实现，但是你这种训练方式不好...白瞎了那么多数据了。