小编Mou*_*ngh的帖子

如何在不从头开始重新训练的情况下更新/附加新数据到我的模型？我的数据集是图像，输出是预测情绪。

model.fit(x=train_image, y=train_label, epochs=1, batch_size=1)

Model.fit 似乎没有附加我的新数据，而是覆盖模型。我的输出只有一个（我更新的最后一个）。

加载经过训练的 Keras 模型并继续训练

我已经搜索过这个，但效果不佳。

编辑1： 当我们丢失之前训练的数据时我们能做什么。简而言之，我们在训练完成后就丢失了训练数据，并且无法再次取回数据，我们必须保留的是从中完成的学习，并在收到新数据时重新训练模型。

对于我当前的 ocr 项目，我尝试使用 tesserect 使用 python 封面 pytesseract 将图像转换为文本文件。到目前为止，我只是将非常直的图像传递到我的模块中，因为它能够正确地找出该图像中的文本。但是现在当我传递旋转的图像时，它甚至无法识别一个单词。所以为了获得好的结果，我只需要以正确的方向传递图像。现在我想知道有什么方法可以在将图像传递到 ocr 模块之前确定图像的方向。请让我知道我可以使用哪些方法来进行方向检查。

这是我用来进行转换的方法：

def images_to_text(testImg):
    print('Reading images form the directory..........')
    dataFile=[]
    for filename in os.listdir(testImg):
        os.chdir(testImg)
        # Define config parameters.
        # '-l eng'  for using the English language 
        # '--oem 1' for using LSTM OCR Engine
        config = ('-l eng --oem 1 --psm 3')
        # Read image from disk
        im = cv2.imread(str(filename), cv2.IMREAD_COLOR)
        # Run tesseract OCR on image
        text = pytesseract.image_to_string(im, config=config)
        #basic preprocessing of the text
        text = text.replace('\t',' …