事实上，并没有单一的答案来回答这个问题。不同的任务和数据集在训练次数方面有不同的需求。然而，最好的做法是在几个不同的训练次数上运行实验，从而确定出最佳的训练次数。

在训练次数方面，有三个关键要素需要考虑：训练误差，验证误差和过度拟合。如果训练次数太少，模型的训练误差将很高；但如果训练次数太多，模型将会过度拟合并出现较高的验证误差。

因此，理论上训练次数应该在训练误差开始收敛时停止训练，或当验证误差不再改善时停止训练。