对于我的研究生研究，我正在创建一个训练识别图像的神经网络。就像许多示例一样，我要比仅对RGB值进行栅格化，下采样并将其发送到网络的输入要复杂得多。实际上，我使用了100多个经过独立训练的神经网络来检测特征，例如线条，阴影图案等。更像是人眼，到目前为止，它的效果非常好！问题是我有很多训练数据。我向它展示了汽车的100多个示例。然后是一个人的100个例子。然后是100多只狗的样子，等等。这是很多训练数据！目前，我大约需要一周时间训练网络。这是一种阻碍我进步的事情，因为我需要进行调整和再培训。

我正在使用Neuroph作为低级神经网络API。我正在运行双四核计算机（具有超线程的16核），因此该速度应该很快。我的处理器百分比仅为5％。在Neuroph性能方面有什么技巧吗？还是Java性能一般？有什么建议吗？我是一名认知心理学博士学位的学生，并且我是一名程序员，但我对性能编程不了解很多。