贝叶斯优化 Oracle

[源]

BayesianOptimizationOracle 类

keras_tuner.oracles.BayesianOptimizationOracle(
    objective=None,
    max_trials=10,
    num_initial_points=None,
    alpha=0.0001,
    beta=2.6,
    seed=None,
    hyperparameters=None,
    allow_new_entries=True,
    tune_new_entries=True,
    max_retries_per_trial=0,
    max_consecutive_failed_trials=3,
)

贝叶斯优化 oracle。

它使用带有底层高斯过程模型的贝叶斯优化。使用的采集函数是上限置信区间 (UCB)，可以在这里找到。

参数

• objective：一个字符串、keras_tuner.Objective 实例，或者一个 keras_tuner.Objective 实例和字符串的列表。如果是字符串，则将推断优化的方向（最小化或最大化）。如果是 keras_tuner.Objective 列表，我们将最小化所有待最小化目标的总和减去所有待最大化目标的总和。当 Tuner.run_trial() 或 HyperModel.fit() 返回一个单一浮点数作为待最小化目标时，objective 参数是可选的。
• max_trials：整数，最多要测试的试验（模型配置）总数。请注意，如果搜索空间已耗尽，oracle 可能会在测试完 max_trial 个模型之前中断搜索。默认为 10。
• num_initial_points：可选的随机生成样本数，作为贝叶斯优化的初始训练数据。如果未指定，则使用超参数空间维度的 3 倍的值。
• alpha：浮点数，拟合期间添加到核矩阵对角线上的值。它代表贝叶斯优化中观察到的性能中的预期噪声量。默认为 1e-4。
• beta：浮点数，探索和利用的平衡因子。值越大，越倾向于探索。默认为 2.6。
• seed：可选整数，随机种子。
• hyperparameters：可选的 HyperParameters 实例。可用于覆盖（或提前注册）搜索空间中的超参数。
• tune_new_entries：布尔值，指示超模型请求但未在 hyperparameters 中指定的超参数条目是否应添加到搜索空间。如果不添加，则将使用这些参数的默认值。默认为 True。
• allow_new_entries：布尔值，指示是否允许超模型请求未在 hyperparameters 中列出的超参数条目。默认为 True。
• max_retries_per_trial：整数。默认为 0。如果试验崩溃或结果无效，最多重试 Trial 的次数。
• max_consecutive_failed_trials：整数。默认为 3。连续失败 Trial 的最大次数。达到此次数时，搜索将停止。当所有重试都未成功时，Trial 被标记为失败。