मैं प्रशिक्षित किया है एक बर्ट मॉडल का उपयोग कर pytorch के लिए एक लाख के बारे में पाठ डेटा के लिए एक वर्गीकरण कार्य है । परीक्षण के बाद इस मॉडल को नए डेटा के साथ मैं झूठी सकारात्मक और नकारात्मक झूठी. अब मैं फिर से सिखाना चाहते हैं के मौजूदा मॉडल के साथ ही एफ एन और एफ पी. मैं क्या चाहते हैं नहीं संलग्न करने के लिए एफ एन और एफपी के लिए मौजूदा dataset और फिर ट्रेन के पूरे मॉडल को फिर से. कैसे मैं फिर से सिखाना इस बर्ट मॉडल के साथ ही इन एफ एन और एफ पर previosuly प्रशिक्षित मॉडल.
0
जानने के बिना कोड के लिए अपने ट्रेन पाश, विचार कुछ इस तरह दिखना चाहिए प्रशिक्षण के बाद:
results = model(data)
wrong_datapoints = []
for i, result in enumerate(results)
if result != labels[i]:
wrong_datapoints.append((data[i],labels[i]))
(data_new, labels_new) = list(zip(*wrong_datapoints))
model.train(data_new, labels_new)
अगर आप कुछ करना चाहते हैं और अधिक विशिष्ट, तुम जा रहे हैं करने के लिए है प्रदान करने के लिए कोड के अपने वर्तमान ट्रेन लूप.
आप प्रतिक्रिया के लिए धन्यवाद. लेकिन मैं रखने के लिए चाहते हैं के लिए एक मॉडल के संस्करण के बाद से, यह हम यह ट्रेन हर सप्ताह, हम मॉडल के संस्करण । और भी पुनरावृति एक लाख के रिकॉर्ड की एक बहुत ले जाएगा समय. मैं सोच रहा था की लोडिंग के पिछले संस्करण बिन फ़ाइल(v1.0) और उसके बाद फिर से सिखाना इस के साथ ही नए datapoints बनाने के लिए एक और संस्करण v2.0
Patricia
तुम चाहते हो सकता है स्पष्ट करने के लिए अपने सवाल है कि राज्य के लिए. हालांकि, कर के संस्करण को दूर नहीं करता है की जरूरत को ट्रैक करने के लिए परिणामों के डेटा बिंदुओं के बाद प्रशिक्षण की आवश्यकता होती है, एक एकल पाश ट्रेन पर डेटा के प्रशिक्षण के बाद किया जाता है । आप की जरूरत है क्या निर्धारित करने के लिए "नया datapoints" कर रहे हैं, सब के बाद.
Kroshtan