测量执行任何功能的预期时间

Question

通常在机器学习中，培训会耗费大量时间，但这是可衡量的，但仅限于培训结束后。

是否有一些方法可用于估算完成培训所需的时间（或通常，任何功能），例如before_call？

当然，这取决于机器和输入上的更多信息，但基于简单输入，然后缩放到实际输入的大小，基于算法将调用的所有IO的近似值。像这样的东西？

PS - JS，Ruby或任何其他OO语言
PPS - 我在Oracle中看到了一种方法，described here。太棒了。怎么做？

Answer 1

让Ci成为我学习步骤的复杂性。设Pi是在第i步或之前学习要学习的东西的概率。设k是Pk>的步骤。 0.5。

在这种情况下，复杂性，C是

C = sum（Pi，i = 1，k）

问题是k很难找到。在这种情况下，最好有一组先前学过的类似模式并计算它们的平均步数，这将是中位数。如果该组足够大，那么它将非常准确。

Pi =通过步骤i /实例总数学习事物的实例数

Answer 2

如果您没有设置任何时间/步数限制（这将是微不足道的），则无法估计所需时间一般。

例如，神经网络训练基本上是全局高维优化的问题。在这个任务中，你试图找到给定损失函数的这样一组参数，它将返回最小的错误。此任务属于 NP-complete 类，很难解决。常见的方法是将一些参数随机改变一个较小的值，希望它能提高整体性能。它在实践中运行良好，但是所需的运行时间因问题而异。我建议您阅读一般的NP-completness，stochastic gradient descent和optimisation。