我的神经网络有input layer of size 784,hidden layer of size 50和output layer of size 10。第一次迭代几乎花了7-10分钟。第三名还在跑。该神经网络识别手写体数字,是吴家杰机器学习课程中的一个练习问题。所以是的,我知道当前的神经网络需要比前一个神经网络更长的训练时间,因为训练集,输入层和隐藏层都比以前的神经网络大得多,但我仍然认为这需要很长的时间。为什么这么慢?
这种规模的神经
我用一个来自多个客户端的测试帐户进行了测试,结果是: Client1 -会话开始需要30-40秒- Windows 10 Client2 -会话启动需要17 -20秒- Windows 10 Client3 -会话开始需要7-10秒-会话开始需要30-50秒-会话开始需要7-10秒-会话开始需要7-10秒- Windows 7不包括上述客户端与RDS相同的域或网络,DNS是正确设置的。
在本地运行,它的工作方式与我想要的完全一样(有一个传入的流文件,在位置7-10有许多不同的代码,每个唯一的代码输出一个文件)例如,如果记录1-5在位置7-10有1234,记录6在位置7-10有2345,记录7在位置7-10有1234,那么将有一个名为1234_file.txt的文件,其中有1-5和7行,第二个文件2345_file.txt将有来自输入文件的第6行: session.transfer(flowFile, R
,] 4 6 [4,] 13 14# indices 1-6, 11-14 = 1, gap indices 7-在我的输出向量中,在指数7-10处,矩阵中的7-10的间隙应该是0。(谢谢编辑)# indices 1-6, 11-14 = 1, gap indices 7-10 = 0, indices 1