O treinamento de um modelo de rede neural leva dias; para acelerar o treinamento, o que você deve fazer?

Subamostrar o conjunto de dados de treinamento reduz a quantidade de dados que o modelo precisa processar em cada época, acelerando significativamente o tempo de treinamento. Embora isso possa impactar ligeiramente a precisão final, é uma técnica comum para prototipagem rápida ou quando os recursos computacionais são limitados. Subamostrar o conjunto de dados de teste não acelera o treinamento, pois o conjunto de teste é usado apenas para avaliação pós-treinamento. Aumentar o número de recursos de entrada ou o número de camadas na rede neural geralmente aumenta a complexidade do modelo e, consequentemente, o tempo de treinamento, em vez de diminuí-lo.