Neural network 用梯度检验法检验神经网络的正确性

我编写此伪代码是为了检查简单网络的正确性（根据文档），但每当我将输入数增加到30以上时，就会出现以下错误：

（“不正确的渐变”，数组[…]）

（“模块不正确：”，全连接“全连接-7”：“偏差”->hidden0'，[…]）

这两个案例中的方括号都包含一个巨大的数组，由于大小原因，我无法在这里发布。在我的实际代码中，我试图解决一个有62个输入的分类问题，因此我需要构建一个能够处理这么多输入的网络。我还尝试增加隐藏层的数量，以及隐藏层中神经元的数量（我甚至尝试了50个），但这没有帮助。代码如下：

import pybrain
from pybrain.tools.shortcuts import buildNetwork  
from pybrain.tests.helpers import gradientCheck

n = buildNetwork(40,10, 1)
n.randomize()
gradientCheck(n)

---

我不知道它是否与此相关，不过，我现在有900个数据样本，我预计很快还会有1000个样本。

作为一项调查测试，如果网络规模相同，但数据集要小得多，会发生什么情况？你也会犯同样的错误吗？或者它仅仅是大于30个输入和900个数据案例的组合？我在这里发布的错误是针对伪代码的，它不需要数据集。我猜n.randomize（）命令必须随机初始化网络。在我的计算机上，输入数达到19时，我就会得到错误。考虑到您和我的计算机上存在不同的问题阈值，我认为这不是代码本身的问题，但可能是与使用了多少内存有关的问题？只是猜测而已。在另一台电脑上试一下，看看你是否得到了不同的结果，来检验这个理论。