Python 如何减少神经网络的训练次数
我想训练CNN分辨猫和狗的照片。我已经准备好了一切，我的目标是将网络的准确率优化到95%以上。为了做到这一点，我必须用不同的超参数运行CNN，在成千上万张照片的10张上有很多层和时代。Python 如何减少神经网络的训练次数,python,tensorflow,keras,neural-network,Python,Tensorflow,Keras,Neural Network,我想训练CNN分辨猫和狗的照片。我已经准备好了一切，我的目标是将网络的准确率优化到95%以上。为了做到这一点，我必须用不同的超参数运行CNN，在成千上万张照片的10张上有很多层和时代。 然而，当我开始训练网络时，我只花了半个小时就完成了8000个训练和2000个测试图像（64×64像素，1个完全连接的128单元层）。所以这意味着为了完成100个历代的这些参数，我必须等待50个小时！我有一个弱GPU（英特尔UHD图形620）和一个i7八核2.5GHz CPU以及8GB RAM 如何加快这一过程，在
然而，当我开始训练网络时，我只花了半个小时就完成了8000个训练和2000个测试图像（64×64像素，1个完全连接的128单元层）。所以这意味着为了完成100个历代的这些参数，我必须等待50个小时！我有一个弱GPU（英特尔UHD图形620）和一个i7八核2.5GHz CPU以及8GB RAM
如何加快这一过程，在合理的时间内尝试不同的参数，以获得有意义的结果？我可能遗漏了一些重要的东西，因为其他人报告说处理时间更短，而且我对神经网络非常陌生。
在我的GPU上进行计算会快多少？
考虑到我的模型，它会比CPU快吗？你试过google colab吗？你试过将图像大小减小到32x32，并使用密度较低的节点吗