提高R神经网络软件包的训练速度

Question

我有一个训练数据集，其中包含140000行和21个变量。我使用R中的Neuronet软件包对其进行了训练。我使用的是具有25个节点的单个隐藏层。

model.nn.scaled <- neuralnet(f,
                         data = train.data.scaled1,
                         hidden = 25,
                         linear.output = TRUE,
                         lifesign = "full", learningrate = 0.5, threshold = 0.085, stepmax = 1e6)

我正在使用具有以下配置的功能强大的计算机：

处理器：Intel®Xeon®Silver 4108 CPU @ 1.80 GHz， 安装的内存（RAM）：128 GB（可用128 GB）， 系统类型：64位操作系统，基于x64的处理器

我的R会话仅使用大约1GB的内存。我的问题是，如果我增加R会话可以使用的RAM数量，训练速度会增加吗？我怎样才能做到这一点？从我的阅读中，我可以增加memory.limit（），但是据我了解，它只会增加R可以使用的上限（当前我的memory_limit设置为〜3000）。 还有其他提高训练速度的方法吗？ 谢谢！