深度学习，比如卷积神经网络(CNN)要完成训练任务，需要一遍又一遍的学习。一般来说，学习次数越多，学习效果越好。

那到底要学习多少次才是个头呢？我陷入了思考。

01 是不是误差越小，学习效果就越好？

比如前面研究的自编码去噪，见前文《地震无监督自编码降噪怎样做出效果，我想清楚了几个关键问题 》。我训练的噪声图片是这样的：

那没有噪声的图片是这样的：

接下来就开始不同迭代的训练。20次迭代的训练误差的结果见图：

结果就是LOSS一路下降，也没有看到头。

那预测的效果是怎样的呢？来看看1个迭代、5个迭代、10个迭代、15个迭代和20个迭代的去噪效果。

就我们肉眼也可以看到，似乎从第10个迭代后，去噪效果反而变差了。我们并不能简单认为训练误差越小，预测的效果就越好。

02 真正的训练标准是看预测的效果

我们深度的目标就是要神经网络出色的完成任务，希望预测的结果接近我们想要的效果。

比如前面的降噪预测，可以用PSNR指标来进行衡量。

PSNR是“Peak Signal to Noise Ratio”的缩写，即峰值信噪比，是一种评价图像的客观标准。简单说，就是PSNR越大越好。

那刚才几次迭代的PSNR值是多少呢？

上面结果也验证了视觉观测结果，最好的训练效果是在10次迭代和15次迭代之间，再往后效果反而会越来越差。

03 小结

所以深度学习到底迭代多少次才是头呢？就看预测的效果什么时候最好。

当然在效果比较接近的情况下，也要考虑到训练时间，耗费资源等其它成本因素。比如训练50次和100次的效果都差不多，但训练100次的时间远超50次，是不是训练50次就足够了呢？

如果喜欢请点赞，或关注我交流。