对于我的研究生研究，我正在创建一个训练识别图像的神经网络。就像许多示例一样，我要复杂得多，而不仅仅是获取RGB值的网格，进行下采样并将其发送到网络的输入。实际上，我使用了100多个经过独立训练的神经网络来检测特征，例如线条，阴影图案等。更像是人眼，到目前为止，它的确运行良好!问题是我有很多训练数据。我向它展示了超过100个汽车外观的示例。然后是一个人的100个例子。然后有超过100条狗的样子，等等。这是很多训练数据!目前，我大约要花一个星期的时间来训练网络。这是一种阻碍我进步的事情，因为我需要进行调整和再培训。
我正在使用Neuroph作为底层神经网络API。我正在运行双四核计算机(具有超线程的16核)，因此该速度应该很快。我的处理器百分比仅为5％。在Neuroph性能方面有什么技巧吗？还是Java性能一般？有什么建议吗？我是一名认知心理学博士学位的学生，并且我是一名程序员，很体面，但是对性能编程的了解并不多。
最佳答案
是的，几个月前，我沿着那条路走了。也用于大学项目。第一个问题是Neuroph。它致命的缓慢。 Neuroph非常了解主要的体系结构和性能问题，上周有关代码项目的文章只有一篇。
http://www.codeproject.com/KB/recipes/benchmark-neuroph-encog.aspx
我遵循与本文作者相似的路径。从Neuroph切换到Encog确实很容易。以上文章的作者甚至还比较了Encog，JOONE和Neuroph的语法，因此您可以进行比较。有关Encog的更多信息，
http://www.heatonresearch.com/encog
Encog也将更多地利用您的核心。只需查看以上文章中的图表即可。
祝你好运!您的研究听起来真的很棒，我很乐意看到结果。
关于java - 帮助Neuroph神经网络，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/2984459/