Neurolab重新训练网络

我在Python中使用neurolab来创建神经网络工具。我创建了一个newff网络，并使用默认的train_bfgs培训功能。我的问题很多时候，在时代耗尽或者甚至达到错误目标之前，培训就结束了。我环顾四周，在neurolabs github页面上发现了一篇文章，他们在那里解释了为什么会发生这种情况。我的问题是，如果我重新运行程序几次，它就会抓住并开始训练，然后错误也会下降（可能一些随机起始权重比其他人好得多）。我想要做的是在训练中加入一种检查，以便如果错误过高并且训练的时间点不够接近总训练时间，则重新训练网络（有点像重新运行程序）（也许重置网络默认权重）Neurolab重新训练网络

这里是我写的，但显然它不工作

trainingComplete = False 
while not trainingComplete: 
    error = net.train(trainingData, TS, epochs=50, show=10, goal=0.001) 
    if len(error) < 0.8*epochs: 
     if len(error) > 0 and min(error) < 0.01: 
      trainingComplete = True 
     else: 
      net.reset() 
      continue 
    else: 
     trainingComplete = True

是怎么回事就是当它传递的第一个条件，即太少训练时期，它执行net.reset()重新启动之前，但之后，没有正在发生的培训，这成为一个无限循环。任何想法我失踪？

感谢

来源

2015-12-28 codeCruncher

所以，因为这个去联合国回答了几天，我觉得它真的坏了这么所以我把它在我自己找工作变通。我厌倦了通过使用os.execv(__file__, sys.argv)重新启动脚本，但在我的Mac上，这总是一个权限问题，加上它太脏了，所以这里是我如何使它现在工作。

# Train network 
print('Starting training....') 
trainingComplete = False 
while not trainingComplete: 
    error = net.train(trainingData, TS, epochs=epochs, show=10, goal=0.001) 
    if len(error) < 0.8 * epochs: 
     if len(error) > 0 and min(error) < 0.01: 
      trainingComplete = True 
     else: 
      print('Restarting....') 
      net = createNeuralNetwork(trainingData, [hidden], 1) 
      net.trainf = train_bfgs 
    else: 
     trainingComplete = True

它相当哈克但还挺作品：

Starting training.... 
Restarting.... 
Restarting.... 
Restarting.... 
Restarting.... 
Restarting.... 
Restarting.... 
Restarting.... 
Restarting.... 
Epoch: 10; Error: 1.46314116045; 
Epoch: 20; Error: 0.759613243435; 
Epoch: 30; Error: 0.529574731856; 
. 
.

希望帮助一些一

来源

2015-12-29 23:56:06 codeCruncher

Neurolab重新训练网络

回答

相关问题