C# 如何使这种神经网络训练功能更快

变量输入为锯齿状数组，即90 x 600

理想也是90 x 1的锯齿阵列

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
        }

BeginTraining（）
{
前馈网络=新的前馈网络（）；
添加层（新的前馈层（600））；
添加层（新的前馈层（1000））；
添加层（新的前馈层（90））；
Reset（）；
//训练神经网络
训练训练=新热学神经网络前馈训练反向传播反向传播（网络，输入，理想，
0.7, 0.9);
int epoch=1；
做
{
lblNoEpochs.Text=epoch.ToString（）；
lblNoEpochs.Update（）；
train.Iteration（）；
lblPcError.Text=train.Error.ToString（）；
lblPcError.Update（）；
epoch++；
}而（（历元<5000）和&（列次误差>0.001））；
//测试神经网络
for（int i=0；i

每个历元至少需要5分钟

---

如何减少这一时间？

我认为您可以：

找出什么是慢的

优化

---

根据需要重复。

我认为真正的问题是-do/while可以并行吗

只要我知道训练波是相互依赖的，那么下一个训练波就取决于上一个训练波的结果。因此，排序是绝对必要的

---

所以我想答案是-这再快不过了。

不，只是编辑了代码，请刷新。你的

do{

没有结束括号我不知道

train.iteration（）是什么

确实如此，但如果这是一个长迭代，执行了大量代码，我可以想象这是罪魁祸首。因为该迭代也执行了5000次。（更不用说它在代码中出现了两次）重新格式化的代码请刷新。输入集由90个符号组成，每个符号有600个双倍值。每个输入集迭代到5000个纪元。我对train（）知之甚少。为此，我使用jeff heaton的nn库。