我正在使用
net = newfit(in,out,lag(j),{'tansig','tansig'});
生成一个新的神经网络。 validation checks的数量默认为6。
我正在训练很多网络，这需要花费很多时间。我想如果我的结果可以做得更快，那么我的结果是否准确一点也没关系。
我怎样才能训练得更快？
正如我所说，速度的提高可能会稍微降低准确性。
【问题讨论】：
标签： matlab performance machine-learning neural-network
只是为了扩展@mtrw的答案，根据documentation，当出现以下任何一种情况时，训练就会停止：
net.trainParam.epochs
net.trainParam.time
net.trainParam.goal
net.trainParam.min_grad
net.trainParam.mu_max
net.trainParam.max_fail
Epochs 和 time 约束允许设置训练持续时间的上限。
目标约束在性能（错误）低于它时停止训练，并且通常允许您调整时间/准确性权衡的水平：不太准确的结果以更快地执行。
这类似于 min_grad（梯度告诉你“下降”的强度），如果梯度的幅度小于 mingrad，则停止训练。可以这样理解，如果误差函数没有太大变化，那么我们就达到了一个平台期，我们可能应该停止训练，因为我们不会有太大改进。
mu、mu_dec和mu_max用于控制权重更新过程（反向传播）。
max_fail 通常用于避免过度拟合，而不是加速。
我的建议，将 time 和 epochs 设置为您的应用程序约束允许的最大可能（否则结果会很差）。反过来，您可以控制 goal 和 min_grad 以达到所需的速度/准确性权衡水平。请记住，max_fails 不会让您获得任何时间，因为它主要用于确保良好的泛化能力。
【讨论】：
（免责声明：我没有神经网络工具箱，所以我只是从 Mathworks 文档中推断）
从您的输入参数来看，您使用的是TRAINLM。根据文档，您可以设置 net.trainParam.max_fail 参数来更改验证检查。
您可以设置初始mu 值，以及递增和递减因子。但这需要对搜索的预期答案和性能有所了解。
对于更直接的方法，您还可以通过将 net.trainParam.epochs 参数设置为小于默认值 100 来控制最大迭代次数。您还可以设置 net.trainParam.time 参数来限制秒数。
您应该将net.trainParam.show 设置为NaN 以跳过任何显示。
【讨论】：
神经网络在 MATLAB 中被视为对象。要在训练之前（或之后）访问任何参数，您需要使用 . 运算符访问网络的属性。
除了 mtrw 和 Amro 的答案之外，让 MATLAB 的神经网络工具箱文档成为您最好的新朋友。它通常会更详细地解释事情。
【讨论】：