mam sieci neuronowej n pybrain, z dwoma wejściami, ukrytej warstwie i wyjście layer.I wykorzystać następujące pociąg:Jak mogę obliczyć lub monitorować trening sieci neuronowej w pybrain?
trainer = BackpropTrainer(net,ds)
trainer.trainUntilConvergence()
sieć jest siecią neuronową i DS są dane pociągu.
Moje pytanie brzmi, czy i jak można obliczyć czas potrzebny do ukończenia szkolenia lub w jaki sposób można monitorować postęp training.Thanks.
Można zawsze podklasy BackpropTrainer (kod źródłowy here) i zastąpić trainUntilConvergence przypadku korzystania maxEpochs, śledzić procentu kompletności używając proporcji między epokami i epok.
Jeśli nie używasz maxEpochs, zawsze możesz uzyskać domysły na temat liczby pozostałych epok w oparciu o średnią szybkość zmian w wartościach sprawdzania poprawności oraz rozmiar continueEpochs. Lub po prostu zbadać szybkość zmian w validationerrors. Jeśli chcesz mapować epoki do czasu, musisz profilować czas każdej epoki i przechowywać je.
nic do dodania do poprzedniego komentarza wyjątkiem kodu używam do niego:
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()
Można by dostać nową działkę przy każdym cyklu. Nie jest bardzo miły, ale działa dla mnie.
Nadzieja bym pomóc
maxepochs to int. Nie ma własności len. Czy chodziło Ci o results.append (aux)? – agcala
Idealnie byłoby chcesz użyć trainEpochs() zamiast modyfikowania trainUntilConvergence(). Trenuj X liczbę epok, wynik sprawdzenia, Pociąg x liczba epok. Powtarzaj aż do zbieżności lub maks. Epok. – NothingMore