我有一个关于 simpleTransformers 的问题，我的下游任务有 2 个数据集，有 3 个选项：
1.附加2个数据集并将它们视为1个大数据集：
model_1 = ClassificationModel("bert","bert-base-cased",args=train_args)
all_dataset=dataset1+dataset2
model_1.train_model(all_dataset)
2.单独训练而不连接但在同一模型上：
model_1 = ClassificationModel("bert","bert-base-cased",args=train_args)
model_1.train_model(dataset1)
model_1.train_model(dataset2)
3. 单独训练而不连接但在同一个模型上，但定义了两次：（模型1和模型2完全相同，具有相同的超参数）model_1 = ClassificationModel("bert","bert-base-cased",args=train_args) model_2 = ClassificationModel("bert","bert-base-cased",args=train_args)
model_1.train_model(dataset1)
model_2.train_model(dataset2)
我的问题是：在选项 #2 中，它是否被视为 2 阶段训练，所以从这个意义上说，我不需要在测试时创建某种集成（我只会测试一次），但模型会微调两次? 第二次微调，即：第二次调用 model_1.train 不会取消第一次调用？ 我对吗？还是将权重清除并返回到原始预训练的 bert 模型？
而在选项 3 中，我有 2 个不同的模型，所以我每次都会在一个单独的模型上测试两次，然后创建某种集合。
-另外，在 3 个选项中，您认为哪个是要走的路？