我在用
net = newfit(in,out,lag(j),{'tansig','tansig'});
生成一个新的神经网络。validation checks数量的默认值为6。
我正在训练很多网络，这需要很多时间。我想如果我的结果可以做得更快，我的结果是否不太准确也没关系。
我怎样才能训练得更快？
- 我相信其中一种方法可能是减少验证检查次数的价值。我该怎么做（在代码中，不使用 GUI）
- 有没有其他提高速度的方法。
正如我所说，速度的提高可能会稍微降低准确性。
问问题
6149 次
3 回答
5
只是为了扩展@mtrw的答案，根据文档，当发生以下任何一种情况时，训练就会停止：
- 达到最大epoch数：
net.trainParam.epochs - 超过最大时间量：
net.trainParam.time - 性能被最小化到目标：
net.trainParam.goal - 性能梯度低于min_grad：
net.trainParam.min_grad - mu 超过mu_max：
net.trainParam.mu_max - 自上次下降以来，验证性能增加了超过max_fail次（使用验证时）：
net.trainParam.max_fail
时期和时间限制允许对训练持续时间设置上限。
目标约束在性能（错误）低于它时停止训练，并且通常允许您调整时间/准确性权衡的水平：不太准确的结果以更快地执行。
这类似于min_grad（梯度告诉你“下降”的强度），如果梯度的大小小于 mingrad，训练停止。可以这样理解，如果误差函数没有太大变化，那么我们就达到了一个平台期，我们可能应该停止训练，因为我们不会有太大改进。
mu、mu_dec和mu_max用于控制权重更新过程（反向传播）。
max_fail通常用于避免过度拟合，而不是用于加速。
我的建议是将时间和时期设置为您的应用程序限制允许的最大可能（否则结果会很差）。反过来，您可以控制目标和min_grad以达到所需的速度/准确性权衡水平。请记住，max_fails不会让您获得任何时间，因为它主要用于确保良好的泛化能力。
于 2009-11-14T21:10:58.130 回答
1
（免责声明：我没有神经网络工具箱，所以我只是从 Mathworks 文档中推断）
它从您的输入参数看起来就像您正在使用TRAINLM。根据文档，您可以设置net.trainParam.max_fail参数来更改验证检查。
您可以设置初始mu值，以及增量和减量因子。但这需要对搜索的预期答案和性能有所了解。
对于更直接的方法，您还可以通过将参数设置net.trainParam.epochs为小于默认值 100 来控制最大迭代次数。您还可以设置net.trainParam.time参数以限制秒数。
您可能应该设置net.trainParam.show为NaN跳过任何显示。
于 2009-11-14T19:52:03.827 回答
0
神经网络在 MATLAB 中被视为对象。要在训练之前（或之后）访问任何参数，您需要使用.运算符访问网络的属性。
除了 mtrw 和 Amro 的答案，让 MATLAB 的神经网络工具箱文档成为您最好的新朋友。它通常会更详细地解释事情。
于 2009-11-14T21:16:35.543 回答