python neurolab - 我們可以用許多輸入部件漸進地訓練嗎？

我使用的neurolab機器學習classfication問題，鏈接： - http://code.google.com/p/neurolab/python neurolab - 我們可以用許多輸入部件漸進地訓練嗎？

我的問題是，我們可以逐步訓練神經網絡？

爲了進一步解釋，我有輸入數據的三個部分，我想

e = net.train(input_part1, output_part1, show=1, epochs=100, goal=0.0001) 
e = net.train(input_part2, output_part2, show=1, epochs=100, goal=0.0001) 
e = net.train(input_part3, output_part3, show=1, epochs=100, goal=0.0001)

訓練神經網絡將列車通話與前兩個部分將有效地預測神經網絡參數 - 或者 - 這隻會使用上次訓練數據嗎？

來源

2012-10-21 Jayaprakash Sundararaj

通常您會將所有數據一起添加到一個數據集中並在此訓練集上訓練網絡。訓練指的是設置權重。爲什麼不將所有輸入（part1，part2，part3）添加到一個數據集中？請注意，有些技術的學習和重新調整是學習算法的一部分。如果你想做一個簡單的算法，你有一個週期的訓練和一個週期的表現。

來源

2012-10-22 00:01:52 RParadox

感謝您的回覆。是。我可以合併輸入的所有部分。但問題是個別部分本身非常龐大，所以我很擔心，合併後他們甚至無法加載數據進行培訓。如果有什麼方法請幫助我？ –

檔案有多大？你可以合併這些文件。如果您想爲每個訓練集添加權重，那將很困難。您可以輸出權重並查看問題是否具有累加性？您是否僅使用一部分來嘗試測試數據？如果你打算使用千兆字節的樣本，我不確定這會起作用。這是文字嗎？順便說一下，如果可以的話，在計算器上用netiquette接受問題的答案。乾杯。 – RParadox

看來，數據大小是你的實際問題。你可以使用numpy.memmap。它模擬內存中的數組，但數據實際上保留在磁盤上。 – Christian

python neurolab - 我們可以用許多輸入部件漸進地訓練嗎？

回答

相關問題