我使用tensorflow keras构建了一个图像分类模型(CNN(。我有一些新的图像，我需要输入到同一个模型中，以提高现有模型的准确性。
我尝试使用以下代码。但它降低了准确性。
re_calibrated_model = loaded_model.fit_generator(new_training_set,
steps_per_epoch=int(stp),
epochs=int(epc),
validation_data=new_test_set,
verbose=1,
validation_steps = 50)
有什么方法可以用来重新校准我的CNN模型吗？
如果使用完全不同的数据集进行第二次训练，则新的训练课程不会从以前的训练准确性开始。
您需要为自己的意图提供(old_images+new_images(。
我通常所做的是在第一批图像上训练CNN模型并保存该模型。如果我需要"；再培训"；对于带有附加图像的模型，我从磁盘加载以前保存的模型，应用输入(测试和训练(并调用拟合方法。如前所述，只有当您的输出完全相同时，即如果您使用相同的输入和输出类，这才有效。
根据我的经验，使用不同的图像批次训练模型并不一定会使模型或多或少准确，而是会增加每个批次的训练时间。由于我使用CPU进行训练，如果我训练两批1000个图像，而不是训练一批2000个图像，那么我的训练时间会快30%左右。