本文探讨了神经网络训练过程中遇到的问题，包括BP神经网络训练后的performance图形分析，指出应展示训练、验证和测试误差曲线。同时，解释了卷积神经网络中训练和测试图像大小的影响，以及建立BP神经网络预测模型的步骤。此外，还提供了将多个神经网络训练曲线在同一图表中对比的方法。
求助BP神经网络训练后输出的performance图形问题
你的图不大对吧？应该有三条曲线显示才对，分别代表训练，验证，测试误差，你现在只有训练误差的。
performance is 0.00306表示你的训练误差达到了0.00306，goal is 0.01表示你设置的目标误差是0.01.。
谷歌人工智能写作项目：神经网络伪原创
卷积神经网络 测试图像和 训练图像 大小要一样吗
这取决于你的卷积神经网络中是否存在全连接层，因为不同于全连接层，卷积神经网络中的参数是卷积核的权重，与输入大小无关好文案。
如果是全卷积网络，那么对于输入的图像分辨率要求不高，可以大小随意，不过多少应该会有影响。不过如果其中含有全连接层就需要保证输入图像大小一致，可以通过线性插值的方式进行放缩。
如何建立bp神经网络预测 模型
建立BP神经网络预测 模型，可按下列步骤进行：1、提供原始数据2、训练数据预测数据提取及归一化3、BP网络训练4、BP网络预测5、结果分析现用一个实际的例子，来预测2015年和2016年某地区的人口数。
已知2009年——2014年某地区人口数分别为3583、4150、5062、4628、5270、5340万人执行BP_main程序，得到[ 2015, 5128.呵呵3946380615234375][ 2016, 5100.5797325642779469490051269531
最低0.47元/天 解锁文章
3585
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
