返回信息流本人用BP网络做图像分类，现在有一个输入矩阵H（10000*36），每一行代表一张样本图片信息，有一个目标矩阵T（4*10000），每一列对应一张图片的类别，在网上查到神经网络输入应该是每列一个样本，我的神经网络如下：
net = newff( minmax（H'）,minmax（T）,10,{'tansig','logsig'},'trainlm') ;
net.trainparam.epochs = 10000 ; %训练次数
net.trainparam.goal = 0.001 ; %训练目标
net.trainParam.lr = 0.01 ;
%开始训练
net = train( net,H',labels);
% 测试样本
load('H_test_batch.MAT');
%仿真
Y = sim( net , H' );
QQ截图是训练结果，有两个问题：
第一：为什么input那里显示是36，而不是10000（我的样本数是10000啊）？
第二：训练里的performance一直达不到预设值，是不是我设的训练次数太少，还是样本和输出没有对应？
跪求大神们解答~~[ema33][ema33]
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #15677同步于 2015/4/12
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
[问题]求问BP神经网络的输入输出问题。
DTree
2015/4/12镜像同步12 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复
转置一下就提示，输入输出样本数不同～
【 在 buptwangzhe 的大作中提到: 】
: 没用过你这个? 难道是MatConvernet？
: 1.你把输入矩阵转置试试
: 2.如果你第一步错了，怎么可能performance达到预设值呢？
: ...................
发自「贵邮」
【 在 DTree 的大作中提到: 】
: 本人用BP网络做图像分类，现在有一个输入矩阵H（10000*36），每一行代表一张样本图片信息，有一个目标矩阵T（4*10000），每一列对应一张图片的类别，在网上查到神经网络输入应该是每列一个样本，我的神经网络如下：
: net = newff( minmax（H'）,minmax（T）,10,{'tansig','logsig'},'trainlm') ;
: net.trainparam.epochs = 10000 ; %训练次数
: ...................
你貌似连自己要干嘛都不太知道.........图片。还是6*6的图片？？？？ 那是什么图片 能是6*6的.........
没错吧。。。36是说的你的特征维数是36吧。。
performance这就不知道了。。可能情况挺多的吧。。什么模型的初始参数啊。。还有一些约束项说不定也会影响
训练次数不知道是什么。。是迭代次数么？。。
你貌似搞错了，不是6×6的图片，36是从图片中提取的七个不变矩和灰度共生矩阵组成的向量
【 在 xieweidi 的大作中提到: 】
: 你貌似连自己要干嘛都不太知道.........图片。还是6*6的图片？？？？ 那是什么图片 能是6*6的.........
发自「贵邮」
那也就是这个图里面看不出样本数量了？
【 在 phantomlyc 的大作中提到: 】
: 没错吧。。。36是说的你的特征维数是36吧。。
: performance这就不知道了。。可能情况挺多的吧。。什么模型的初始参数啊。。还有一些约束项说不定也会影响
: 训练次数不知道是什么。。是迭代次数么？。。
: ...................
发自「贵邮」