我正在编写一个校准管道来学习神经网络的超参数，以检测DNA序列的特性*。因此，这需要在具有不同超参数的相同数据集上训练大量模型。
我正在尝试优化它以在GPU上运行。与图像数据集相比，DNA序列数据集非常小（通常4个通道中的10s或100s碱基对代表4个DNA碱基，A，C，G和T，与3个RGB通道中的10,000个像素相比） ，因此无法在GPU上充分利用并行化，除非同时训练多个模型。
有没有办法在nolearn，lasagne，或者最糟糕的是，Theano？
*它基于DeepBind model来检测转录因子与DNA结合的位置，如果您有兴趣的话。