※ 引述《haryewkun (Har)》之銘言： : 我有回看過 m大的原文，我所理解的狀況是這樣的：他需要寫一個GP的 : 程式，而這個程式在寫完後，會開始做training。他的問題在，他可以 : 用五分鐘寫完程式，但是training時間會變長。他也可以用更多時間去 : 優化程式，這樣training時間就會變短。 上面的定義，我跟你理解的一樣，所以這是沒問題的。 : 我不確定我是否誤解了m 大的狀況，但是我對這個問題的理解，是怎樣 : 在開發時間（寫程式）和training的時間之間保持平衡（最優化）。 : 所以我的重點，不是放在“程式的最優化”，而是放在“開發時間的最 : 優化”。這也是為什麼用兩套程式的原因。 : 也就是說，要得到結果， : 要花費的時間 = 開發時間（寫程式） + 編譯時間（Training） 應該這麼說吧，你認為他所談到的training是什麼呢？ 是指程式的編譯時間嗎？ 我只是就我的理解來講，不一定和原po想說的一樣， 在演算法裡面有種對training的說法， "一開始先輸入資料，產生輸出資料後，所得到的輸出資料會再成為下一次的輸入" 所以在程式一執行起來後，可能程式只會丟入一次資料， 可是資料就在裡面不停的流進流出， 直到穩定（看程式自己定義什麼狀況可以稱之為已經training 完成）， 除此之外，通常還會有一些參數是研究者不清楚、但想要測試得知的， 所以第一次的train work不理想的話，就再調整參數， 讓程式再度重新training一次，如此反覆。 （如果硬要舉例training一次的話，大概就有點像你講的， 在開發程式的時間和執行的時間兩者取最佳化， 因為這種動作是不可能一次就找到解答的， 所以要改很多次程式、執行很多次後，才會知道答案， 這就是training的意涵了） 由於一次的training中，包含很多次來回的資料流進流出，一直重複做同樣的動作， 所以training time才會影響重大，如果程式設計理想的話， 改進training的架構，等於對每次資料流進流出做改進了， 自然整個training time就會大幅縮減了。 這就是我為什麼會說優化程式會比較有益處， 不過當然也得看使用的人未來使用的頻率， 如果只是想能跑出結果就好，那讓程式自己在那邊train， 自己去閒著或忙其他的事也無不可呀。 畢竟在電腦前面等training結束，是一件很痛苦的事.... 一個過來人的感想...XD --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 58.86.128.60