我试着训练一个neural network来识别A到J的手写信件。我有一套200000码的训练。每个训练集都是784像素值的列表。我的神经网络有input layer of size 784,hidden layer of size 50和output layer of size 10。
我正在使用python的fmin_cg库的scipy最小化函数。我面临的问题是,每次迭代都要花费大量的时间。
第一次迭代几乎花了7-10分钟。
第二次迭代耗时20分钟。
第三名还在跑。
这可能是因为我的电脑过时了,只有2GB的内存和一个缓慢的处理器,但是我以前用training set of size 500
我已经编写了一个神经网络程序,使用反向传播和前馈来训练图像中的识别数字。它工作得很好。我只想知道如何保存这个经过训练的神经网络,因为我不知道要保存什么。我的目标是只训练我的神经网络一次,因为它需要非常长的时间来训练(1000次迭代和许多训练集),然后我想保存它并加载它供以后使用。我希望你能理解我的问题。我不能透露我所有的神经代码。但是这就是执行代码的样子
NeuralNetwork nn = new NeuralNetwork(numberOfInputs, nuberOfHiddenNodes, numberOfOuputNodes);
pattern less than patternsL
我做了神经网络,它是pre-trained for 180 days of data.
It filters the fraud data of credit cards everyday and 1-days new data is comming in.
我还想在过滤之后,
我想重新训练我的人工智能模型,但我只想使用新的1天数据(因为训练神经网络真的很费时)。
我的人工智能模型是0(非欺诈)/1(欺诈)分类模型。我想用1/181改变我的神经网络.因为数据量只是一天
我该如何训练神经网络?如果我只使用了一天的数据,运行了许多时代(时间),它将过度适合.通过早停,似乎一天的数据列车不是.足够.