神经再训练

Question

我在python中使用neurolab来创建一个神经网络。我创建了一个newff网络，并使用默认的train_bfgs训练函数。我的问题是很多时候，训练只是在时代结束之前结束，甚至在错误目标达到之前。我环顾四周，在neurolabs github页面上找到了一篇帖子，上面有点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，它就会流行起来，然后训练开始，然后错误也会下降（可能一些随机起始权重比其他权重好得多）。我想做的是在训练中加入一种检查，这样如果错误太大，它训练的时间甚至不接近总数，那么就重新训练网络（有点像重新运行程序）（可能会重置网络默认权重）

这是我写的，但显然行不通

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

所发生的是，当它通过第一个条件时，即训练周期太少，它在重新启动之前执行net.reset()，但是之后，没有训练发生，这就变成了一个无限循环。 你知道我错过了什么吗？在

谢谢

Answer 1

所以， 因为这几天都没人回答，我觉得这真的很糟糕，所以我就自己找了份工作。我厌倦了使用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，所以我现在就让它工作。在

# 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

它相当老套，但有点管用：

^{pr2}$

希望这能帮助别人