我正在尝试使用scikit-learn的MLPClassifier训练MLP。
from sklearn.neural_network import MLPClassifier
我正在用5400次迭代训练mlp，但是大约需要40分钟。我做错了什么？ 这是创建的mlp：
mlp= MLPClassifier(hidden_layer_sizes=(128),activation='relu',solver='adam',batch_size=500,shuffle=False,verbose=True)
这是我的代码的培训部分：
for j in range (5400):
mlp.partial_fit(train_X, y_train,classes=np.unique(y_train))#1 step
train_X尺寸为（27000,784），即27000个样本，每个样本为28 * 28 = 784像素。
我的处理器是Intel i7-9750H，RAM大小是16GB。
答案 0 :(得分：1)
您不会训练5400次迭代，但是最多可能会训练约100万次。这不是这样做的方法。
检查docs，您会看到MLPClassifier已经有一个参数max_iter，其默认值为200（这是您所用的值，因为您没有指定其他内容）：
max_iter： int，默认为200
最大迭代次数。求解器迭代直到收敛（由“ tol”确定）或此迭代次数为止。对于随机解算器（“ sgd”，“ adam”），请注意，这决定了历元数（每个数据点将使用多少次），而不是梯度步数。
因此，如果您的5400次迭代中的每一次都用完200 max_iter，则实际上是在进行5400x200〜= 1,000,000次迭代（历元）。
目前尚不清楚为什么选择对for使用partial_fit循环；您可能想要使用fit进行完整的max_iter=5400且没有循环，或者保留现有的循环+ partial_fit并将MLPClassifier的定义更改为{{ 1}}。
在您所显示的内容中，我看不到采用循环方法的任何原因；如果您的数据不能容纳到内存中，并且您使用它在每次迭代中提供不同的数据片段，这是有道理的，但是这样做没有任何意义。