我该如何在pybrain中计算或监测神经网络的训练？

Question

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

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

net 是神经网络，ds 是训练数据。

我的问题是如何计算完成训练所需的时间或如何监测训练的进度。谢谢。

- IordanouGiannis

Answer 1

如果您正在使用maxEpochs，并且希望追踪完成的百分比，请通过继承BackpropTrainer（源代码在这里）并覆盖trainUntilConvergence来实现。通过计算epochs与maxEpochs之间的比率，可以跟踪完成的百分比。

如果不使用maxEpochs，则可以根据验证误差的平均变化率和continueEpochs的大小，做出剩余epoch数的预估。或者仅仅检查验证误差的变化速率。如果您想将epochs映射为时间，则需要对每个epoch的时间进行profiling并存储。

- Appleman1234

---

理想情况下，您希望使用trainEpochs()而不是修改trainUntilConvergence()。训练X个时期，检查结果，再训练X个时期。重复此过程，直到收敛或达到最大时期。 - NothingMore

Answer 2

没有什么要补充的，除了我用于此的代码:

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()

每个周期你将得到一个新的情节。虽然不是很好，但对我来说还算有效。

希望我能帮助你。

- Jándrë

---

maxepochs 是一个整数。它没有 len 属性。你是不是想用 results.append(aux)？ - user3103059