怎么看神经网络是否被训练好

用matlab训练bp神经网络的时候，看一个网络是否被训练好，是看该结构下的每一次运行结果都很好，还是说只要其中某一次运行结果好就可以直接保存本次运行的权值和阈值，用于后面的预测？

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/386197
• 这篇博客也不错, 你可以看下迭代法、牛顿迭代法、梯度下降法和共轭梯度法解决非线性方程组问题（matlab实现）
• 除此之外, 这篇博客: 【BP分类】基于遗传算法优化BP神经网络实现数据分类matlab代码中的 博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，有科研问题可私信交流。 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  部分理论引用网络文献，若有侵权联系博主删除。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^

在训练神经网络时，我们通常会将数据集分为训练集、验证集和测试集。训练集用于训练神经网络，验证集用于调整超参数（如学习率、正则化系数等）并评估模型的性能，测试集用于最终评估模型的泛化能力。
当我们使用BP神经网络时，通常会将训练过程中的每个epoch的训练误差和验证误差记录下来。训练误差是指神经网络在训练集上的表现，验证误差是指神经网络在验证集上的表现。我们可以根据训练误差和验证误差的变化情况来判断神经网络是否已经训练好，以及是否存在过拟合等问题。
如果在训练过程中，训练误差和验证误差都趋于稳定并且较小，那么我们可以认为神经网络已经训练好了。此时可以保存该次运行的权值和阈值，并用于后面的预测。
但是需要注意的是，仅仅因为某一次运行的结果好并不能说明该神经网络已经训练好了。我们需要观察神经网络的训练误差和验证误差的变化情况，以及训练集、验证集和测试集上的表现，才能判断神经网络是否已经训练好。