Warning: file_get_contents(/data/phpspider/zhask/data//catemap/8/sorting/2.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Javascript Brain.js GPU慢速训练_Javascript_Neural Network_Brain.js - Fatal编程技术网

Javascript Brain.js GPU慢速训练

Javascript Brain.js GPU慢速训练,javascript,neural-network,brain.js,Javascript,Neural Network,Brain.js,我正在尝试用brain.js训练一个神经网络,但我想知道我的数据是否已经太大了 代码: 正如你所看到的,我有13个特性,以及大约50k的训练数据。 为什么要花这么长时间?减少隐藏网络中的单位可以加快训练速度,但网络无法理解数据。为什么要使用(共享)服务器、使用您的机器或集群中的多台机器。我也在使用我的——但不幸的是,我这里只有一台macbook——CPU和GPU的速度也很慢。大约需要100小时。这正常吗?6万个纪元也相当多。所以你可以预期训练需要很长时间。您可以先尝试优化数据吗?或者买一张昂贵的

我正在尝试用brain.js训练一个神经网络,但我想知道我的数据是否已经太大了

代码:

正如你所看到的,我有13个特性,以及大约50k的训练数据。
为什么要花这么长时间?减少隐藏网络中的单位可以加快训练速度,但网络无法理解数据。

为什么要使用(共享)服务器、使用您的机器或集群中的多台机器。我也在使用我的——但不幸的是,我这里只有一台macbook——CPU和GPU的速度也很慢。大约需要100小时。这正常吗?6万个纪元也相当多。所以你可以预期训练需要很长时间。您可以先尝试优化数据吗?或者买一张昂贵的GPU卡。
await getDataSet(type);

  const listings  = await getFilteredListings(type);
  const normalizer = new Normalizer(listings);

  normalizer.setOutputProperties(['runningTime']);
  normalizer.normalize();

  const inputs = normalizer.getBinaryInputDataset();
  const outputs = normalizer.getBinaryOutputDataset();
  const metadata = normalizer.getDatasetMetaData();

  fs.writeFileSync(METADATA_FILE[type],JSON.stringify(metadata));

  const trainingData=[];
  for(let i=0;i<inputs.length;i++){
    trainingData.push({input:inputs[i],output:outputs[i]});
  }
  const options={
    hiddenLayers:[180,60],
  };

  const net = new NeuralNetworkGPU(
    options
  );

  net.train(trainingData,{
    iterations: 60000, // the maximum times to iterate the training data --> number greater than 0
    errorThresh: 0.001, // the acceptable error percentage from training data --> number between 0 and 1
    log:true,
  });
export const featureColumns = [
  'location.lat', 'location.lon', 'locationFactor.score', 'constructionYear', 'squareMeter', 'grossReturn','floor',
  'pricePerSqm', 'privateOffer', 'foreClosure', 'rented', 'apartmentType', 'condition'];