图书馆神经实验室培训纽夫

我对 python 和 Neurolab 的使用还很陌生，我在前馈神经网络的训练方面遇到了问题。我已经构建了如下网络：

net = nl.net.newff([[-1,1]]*64, [60,1])
net.init()
testerr = net.train(InputT, TargetT, epochs=100, show=1)

我的目标输出是 0 到 4 之间的向量。 当我使用控制台中的 nl.train.train_bfgs 时：

testerr = net.train(InputT, TargetT, epochs=10, show=1)
Epoch: 1; Error: 55670.4462766;
Epoch: 2; Error: 55649.5;

正如你所看到的，我将纪元数固定为 100，但它在第二个纪元处停止，并在网络测试之后停止Netresults=net.sim(InputCross)我有一个向量 1 作为测试输出数组（完全错误）。 如果我使用其他训练函数，我会得到相同的输出测试向量，其中满为 1，但在这种情况下，在训练期间，历元达到我设置的数字，但显示的错误不会改变。 如果目标输出向量在 -1 和 1 之间，则相同。 有什么建议吗？ 非常感谢！

最后，经过几个小时的同样问题，我解决了这个问题。

正在发生的事情是这样的： Neurolab 使用 train_bfgs 作为其标准训练算法。 train_bfgs 从 scipy.optimize 运行 fmin_bfgs。给出了一个函数 epochf 作为参数。在训练网络时，必须在每次迭代后运行此函数，以便 Neurolab 正确退出。遗憾的是，当“优化成功终止”时，fmin_bfgs 无法执行此操作（可以将 self.kwargs['disp'] = 1 从 /neurolab/train/spo.py 传递给 fmin_bfgs 以查看 scipy 的输出）。我没有进一步调查为什么 fmin_bfgs 返回“优化成功终止”，但这与错误收敛有关。

我尝试过使用 scipy 版本 12.0 到 0.15 的 python 2.7 和 python 3，但这种行为没有改变（如这建议 https://github.com/scipy/scipy/issues/3581).

我的解决方案是简单地从 train_bfgs 训练切换到常规 train_gd （梯度下降），但我想任何其他训练算法都可以。

net = nl.net.newff(inputNodes, [ hidden, output])

#change traning func
net.trainf = nl.train.train_gd

为了完整性，我测试的代码是：

import neurolab as nl
hidden = 10
output = 1
test = [[0],[0],[0],[1],[1]]
net = nl.net.newff([[0,1]], [ 10, 1])
err = net.train(test, test, epochs = 500, show=1)

该问题只是偶尔出现，因此需要重复测试

编辑：问题也描述于https://github.com/zueve/neurolab/issues/25 https://github.com/zueve/neurolab/issues/25

祝你好运！