python, neurolab, 一步步训练

Question

给定一个来自 neurolab 的人工神经网络

net = nl.net.newff([[0.0, 1.0]] * 5, [2])

我想迭代地训练它，每 K 个时期执行一次验证检查。

尽管 net.train() 接受 epochs 作为参数，但它的用法对我来说看起来很奇怪。它以某种方式存储了最后一个纪元(在网络实例上？)，因此以下操作将失败并显示“达到最大 nr 个训练纪元”并且它不会继续进行训练。

for k in xrange(10):
    net.train(training, target, epochs=1)
    ...do some checks

下面的方法可行，但它暴露了计算开销，因为它每次都会从头开始。

for k in xrange(10):
    net.train(training, target, epochs=k)
    ...do some checks

我错过了什么？ :)

Answer 1

#first
import neurolab as nl
#then
rep=10
i=0
#Number of inputs
numIN=5
#Number of neurons per layer
cap1=12
cap2=5
#Number of outputs
out=5
#create network
net = nl.net.newff([[-1, 1]]*numIN,[cap1,cap2,out])
while i<rep:
# I use train_bfgs is faster
#entradasu are the inputs and targetsu are the targets of your data
#then the network is adjusted in each iteration
    error = nl.train.train_bfgs(net,entradasu, targetsu, epochs=1, show=0, goal=0.001)
#then do some checks
    if checks==True:
        i=rep
    else
        i+=1