如何使这种神经网络训练功能更快

Question

变量输入是锯齿数组，即90 x 600。

理想的也是90 x 1的锯齿数组

BeginTraining()
{
    FeedforwardNetwork network = new FeedforwardNetwork();
    network.AddLayer(new FeedforwardLayer(600));
    network.AddLayer(new FeedforwardLayer(1000));
    network.AddLayer(new FeedforwardLayer(90));
    network.Reset();

    // train the neural network
    Train train = new  HeatonResearchNeural.Feedforward.Train.Backpropagation.Backpropagation(network, input, ideal,
                0.7, 0.9);

    int epoch = 1;

    do
    {
        lblNoEpochs.Text= epoch.ToString();
        lblNoEpochs.Update();
        train.Iteration();
        lblPcError.Text = train.Error.ToString();
        lblPcError.Update();
        epoch++;
    } while((epoch < 5000) && (train.Error > 0.001));

        // test the neural network
        for (int i = 0; i < input.Length; i++)
        {
            //testing code
        }

每个时期至少需要5分钟。

如何减少这段时间？

Answer 1

我认为真正的问题是-- do/while能并行吗？

据我所知，训练波是相互依赖的，所以下一波取决于前一波的结果。因此，排序绝对是必须的。

所以我想答案是--这不可能更快。

Answer 2

在我看来，你可以：

1. Run a profiler
2. Find弄清楚什么是slow
3. Optimize

根据需要重复。