特别是,我想知道是否安装了xianyi的OpenBLAS.我在几台PC上工作并在过去几年中安装在几台PC上,但是我丢失了没有安装它的轨道.我需要知道哪台PC有,哪台没有.这就是我安装它的方式:
git clone git://github.com/xianyi/OpenBLAS
cd OpenBLAS
make FC=gfortran
sudo make PREFIX=/usr/local/ install
注意:我可能删除了OpenBLAS目录,因此它不是一个可靠的指标.我不知道如何卸载它,所以我不能尝试在每台PC上安装它,然后选择性卸载(这是非常麻烦).
在此代码中,有一个13x13图像的4-D阵列.我想使用matplotlib.pyplot保存每个13x13图像.这里出于调试目的,我将外部循环限制为1.
#fts is a numpy array of shape (4000,100,13,13)
no_images = 4000
for m in [1]:
for i in range(no_images):
print i,
fm = fts[i][m]
if fm.min() != fm.max():
fm -= fm.min()
fm /= fm.max() #scale to [0,1]
else:
print 'unscaled'
plt.imshow(fmap)
plt.savefig('m'+str(m)+'_i'+str(i)+'.png')
保存4000张图片需要20多个小时.为什么这么慢？如果我将内循环限制为前100个图像,则大约需要1分钟.所以整件事应该在40分钟内完成,而不是超过20个小时!而且我注意到它似乎逐渐变慢.
参考这个关于选择NN中隐藏层数和单位数的答案:https:
//stackoverflow.com/a/10568938/2265724
该帖子建议添加隐藏单位的数量,直到泛化错误开始增加.
但我的问题是学习率.给定隐藏单元的数值(即图中的一个数据点或一个特定的架构,例如让我们说10个隐藏单元),如何设置学习率和训练多少个时期？
1.使用固定的学习率(在检查后收敛,即成本下降)并运行n个时期或直到成本(或验证错误)平稳(如果它确实以一个很好的渐近方式下降)
2.如同早期1停止
3.如在1或2中,但在某个(线性或对数)范围内尝试各种不同的学习率
4.如在3中,包括学习率衰减
5.如在3或4中,包括权重衰减作为正规化,或者可能更好,辍学
参数的数量从1增加到5. 1最快但听起来不令人满意(为什么不尝试其他学习率？).3-5是耗时的.因为如果我不开心,我需要通过增加隐藏单元的数量来尝试另一种架构.并重复,直到获得帖子中显示的图表.
我能正确理解和练习吗？