我在Python中使用neurolab来创建神经网络。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，很多时候训练会在达到设定的轮次或错误目标之前就结束。我在neurolabs的GitHub页面上找到了一篇帖子，他们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，它就会开始训练，然后错误也会下降（可能是由于一些随机的初始权重比其他权重要好）。我想在训练过程中加入一种检查，如果错误过高且训练的轮次远未达到总轮次，就重新训练网络（有点像重新运行程序）（可能需要重置网络的默认权重）。

这是我写的代码，但显然它不起作用

trainingComplete = Falsewhile 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

发生的情况是，当它通过第一个条件，即训练轮次过少时，它会在重新开始前执行net.reset()，但之后没有进行训练，这变成了一个无限循环。有什么我遗漏的地方吗？

谢谢

回答：

由于这个问题几天都没有得到回答，我认为这对SO来说很不好，所以我自己找到了一个可行的解决方法。我尝试通过使用os.execv(__file__, sys.argv)来重新启动脚本，但在我的Mac上这总是权限问题，而且这也太不雅观了，所以这是我现在让它工作的方法。

# 训练网络print('开始训练....')trainingComplete = Falsewhile 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('重新开始....')           net = createNeuralNetwork(trainingData, [hidden], 1)           net.trainf = train_bfgs    else:         trainingComplete = True

这有点像是临时解决方案，但确实有效：

开始训练....重新开始....重新开始....重新开始....重新开始....重新开始....重新开始....重新开始....重新开始....轮次: 10; 错误: 1.46314116045;轮次: 20; 错误: 0.759613243435;轮次: 30; 错误: 0.529574731856;..

希望这能帮助到其他人