我在训练一个神经网络来分类图像，但完成一次迭代需要太长时间…大约五分钟，而且还没有完成。我使用的是Encog 3.1。请问我的代码是否有问题？

BasicNetwork network = new BasicNetwork();        network.addLayer(new BasicLayer(null,true,5625));        network.addLayer(new BasicLayer(new ActivationSigmoid(),true,(intIdealCount+5625)/2));        network.addLayer(new BasicLayer(new ActivationSigmoid(),true,intIdealCount));        network.getStructure().finalizeStructure();

这是我的训练代码：

final ResilientPropagation train = new ResilientPropagation(network, trainingSet);        int epoch = 1;        do {            train.iteration();            System.out.println("Epoch #" + epoch + " Error:" + train.getError());            epoch++;        } while(train.getError() > 0.01);

任何回复都将不胜感激。谢谢你。

回答：

你的代码看起来没问题，但训练时间的长短取决于你的数据。从你的网络规模来看，你似乎在处理图像——如果图像数量很多，即使是最有效的实现也需要很长时间。Encog是一款相当不错的代码，它默认会在所有可用核心上运行，但目前FANN似乎是ANN最快的库。

你有大约5000个输入神经元，假设你有大约10个输出神经元，你有大约2500个隐藏神经元。所以你的网络有(5000+1)*2500 + (2500+1)*10个权重（约1250万个）。现在，假设你的训练集中有N张图像——一个epoch需要计算（和更新）1250万*N个值。所以即使你只有大约200张图像，也需要计算25亿次更新。

至少有三种可能的解决方法：

• 尝试使用FANN库，这是最有效的库之一
• 使用例如PCA来降低图像的维度（从而减小网络的规模）
• 你确定需要2500个隐藏节点吗？这数量相当多