❶ 为什么训练神经网络时loss下降很慢并且在小范围波动剧烈，精度却没有任何变化
考虑更换激活函数，或引入正则化。
❷ 本人训练神经网络,用到工作站40cpu,cpu的利用率太低怎么样能让利用率变高,目前只用了一个线程
1:程序起用太多。 解决方法:关闭一些程序
2:病毒、恶意代码 。解决方法:下载最新的防病毒软件,杀毒
3：系统运行应用软件出错，造成停止响应（尤其在WIN98中） 解决：强行关闭程序（CTRL+ALT+DEL）
4:实时监控软件 解决：关闭
5:降温软件 解决：关闭
6：驱动不兼容如安装via 4合1 驱动的时候，再进系统，资源占用率高。
解决：上网当最新的
7：含HT技术的P4CPU由于自身设计的关系（为最大限度的利用CPU而优化），容易出现占用率高。 解决：关闭HT
8、被别人入侵 。解决方法:用netstat -an 查看是否有一些异常的活动端口，一般防火墙可以解决问题。
9、其它原因: 拷CD、运行3DMARK、打开精品网络电视、电脑开机进入系统后的10多秒钟、电脑做服务器等，容易出现占用率高。
❸ OPENNN如何加快神经网络训练速度（54个输入，100个隐层，1个输出）
开头注释：针对这些问题，都是在tensorflow框架下，去寻找代码解决问题的。所以非tensorflow框架下编程的，可以看看出现该类问题的原因，以及解决问题的方向，具体的解决问题的代码需要自行查阅资料。
情况1：训练速度慢
针对实体链接任务，搭建了Bi-LSTM+CNN的模型，目前训练速度很慢，半个小时才出一个批次的预测结果。
类比于手写数字识别，无论是使用LSTM，还是CNN，都不会很慢，最慢的至少在10分钟内能出每一个批次的预测结果。
❹ 利用RBF神经网络进行训练时内存全部占用，电脑很卡，训练时间需好几个小时，怎么回事
kjhnjkhnkk
❺ bp神经网络训练速度慢怎么调整
BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。
人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。
❻ 用Python和Keras做LSTM神经网络普通电脑可以吗
你好，如果数据量不大的话，普通电脑可以的。如果数据量很大，建议使用云计算资源。
望采纳。
❼ matlab 打开 .m 文件特别慢（神经网络）
.m文件我们一般情况写的是命令文件，对工作空间的变量进行操作，即使命令文件运行结束，命令文件产生的变量扔将保留在工作空间中。用Matlab来训练神经网络后再打开文件.m本来就会慢，因为内部要经过一个识别的过程、你机子的配置还可以。我用的是matlab 7.5也很慢。
❽ 神经网络训练过程中靠近输出层的参数学习速度快，而靠近输入层的参数学习速度慢
摘要 训练样本数必须多于网络模型的连接权数，一般为2~10倍，否则，样本必须分成几部分并采用“轮流训练”的方法才可能得到可靠的神经网络模型。
❾ 深度学习为什么加入卷积神经网络之后程序运行速度反而变慢了
实际上对于同等规模的特征，卷积神经网络由于权重共享，极大地减少了训练参数，相比普通的神经网络肯定是更快的，只是因为卷积神经网络现在用来做更复杂的图像运算，让你感觉速度变慢了
❿ weka 中用rbf神经网络算法进行训练，速度奇慢无比，不知道要改哪些参数，在哪里改，请具体说一下，谢谢啦
像是rbf这类算法碰到高维度大容量的数据集就是慢的像老牛拉车...很多论文上的实验模型都是训练了n小时的结果。
建议尝试用属性选择搞几个特征子集出来，试试看哪个的效果好就用哪个代替原始数据集。个人感觉算法的参数调整对提高模型的训练效率来说意义不大，用属性选择降低数据集的维度是最有效的。