如何计算或监控 pybrain 中神经网络的训练？答案

【问题标题】：How can I calculate or monitor the training of a neural network in pybrain?如何计算或监控 pybrain 中神经网络的训练？
【发布时间】：2015-05-18 21:37:18
【问题描述】：

我有一个神经网络 n pybrain，有两个输入，一个隐藏层和一个输出层。我使用以下内容进行训练：

trainer = BackpropTrainer(net,ds)
trainer.trainUntilConvergence()

net 是神经网络，ds 是训练数据。

我的问题是我是否以及如何计算完成培训所需的时间，或者我如何监控培训的进度。谢谢。

【问题讨论】：

标签： python neural-network pybrain

【解决方案1】：

你总是可以继承BackpropTrainer（源代码here）并覆盖 trainUntilConvergence 如果使用 maxEpochs ，使用 epochs 和 epochs 之间的比率跟踪完整性百分比。

如果不使用maxEpochs，您始终可以根据验证错误的平均变化率和continueEpochs 的大小对剩余的时期数进行有根据的猜测。或者只是检查验证错误的变化率。如果您想将纪元映射到时间，则必须分析每个纪元的时间并存储它们。

【讨论】：

理想情况下，您应该使用 trainEpochs() 而不是修改 trainUntilConvergence()。训练 X 个时期，检查结果，训练 x 个时期。重复直到收敛或最大时期。

【解决方案2】：

除了我使用的代码之外，没有什么可以添加到前面的评论中的：

maxepochs=20
results=[]
for i in range(len(maxepochs)):
    aux = trainer.train()
    results.extend(aux)
    plt.figure()
    plt.scatter(range(len(results[0])),results[0])
    plt.draw()

你会在每个周期获得一个新的情节。不是很好，但对我有用。

希望能帮到你

【讨论】：

maxepochs 是一个整数。没有 len 属性。你是说 results.append(aux) 吗？