你好,
你应该发现,神经网络时应该停止训练。
例如,我创建了一个净fitnet函数。我没有改变网络的属性,因此默认设置如下:
> > net.trainParam
ans =
函数参数“trainlm”
显示培训窗口反馈显示窗口:真
显示命令行反馈showCommandLine:假的
命令线频率显示:25
最大时代时代:1000
最大培训时间时间:正
性能目标目标:0
最低梯度min_grad: 1 e-07
最大验证检查max_fail: 6
μμ:0.001
μ减少比例mu_dec: 0.1
μ增加的比例mu_inc: 10
最大μmu_max: 10000000000
这意味着所有,训练停止任何这些条件发生时:
- 的最大数量时代(重复)。
- 的最大数量时间是超过。
- 性能是最小化目标。
- 性能梯度低于min_grad。
- μ超过mu_max。
- 验证性能增加了多max_fail自从上次下降(当使用验证)。
迫使你的网络就完成100时代,然后停止
(我不建议,因为停止培训应该是一个绩效指标- /最小错误的目标)
,你可以改变你的TrainingFunction贝叶斯正规化
网。TrainFcn =“trainbr”
与贝叶斯正规化训练停止任何这些条件发生时:
- 的最大数量时代(重复)。
- 的最大数量时间是超过。
- 性能是最小化目标。
- 性能梯度低于min_grad。
- μ超过mu_max。
通过使用以下设置,停止训练的唯一方法就是完成了100时代,因为无论是时间,目标,min_grad mu_max也可以达到。
net.trainParam
ans =
函数参数“trainbr”
显示培训窗口反馈显示窗口:真
显示命令行反馈showCommandLine:假的
命令线频率显示:25
最大时代时代:100
最大培训时间时间:正
性能目标目标:0
最低梯度min_grad: 1 e - 100
最大验证检查max_fail: 0
μμ:0.005
μ减少比例mu_dec: 0.1
μ增加的比例mu_inc: 10
最大μmu_max: 1 e + 100
