HyperbandOracle
类keras_tuner.oracles.HyperbandOracle(
objective=None,
max_epochs=100,
factor=3,
hyperband_iterations=1,
seed=None,
hyperparameters=None,
allow_new_entries=True,
tune_new_entries=True,
max_retries_per_trial=0,
max_consecutive_failed_trials=3,
)
Hyperband 的预言机类。
请注意,要将此预言机与您自己的子类化调优器配合使用,您的调优器类必须能够处理在 Tuner.run_trial
中由此调优器设置的三个特殊超参数
这些超参数将在 Hyperband 算法的“逐次减半”(successive halving)部分期间设置。
示例
def run_trial(self, trial, *args, **kwargs):
hp = trial.hyperparameters
if "tuner/trial_id" in hp:
past_trial = self.oracle.get_trial(hp['tuner/trial_id'])
model = self.load_model(past_trial)
else:
model = self.hypermodel.build(hp)
initial_epoch = hp['tuner/initial_epoch']
last_epoch = hp['tuner/epochs']
for epoch in range(initial_epoch, last_epoch):
self.on_epoch_begin(...)
for step in range(...):
# Run model training step here.
self.on_epoch_end(...)
参数
keras_tuner.Objective
实例,或一个 keras_tuner.Objective
实例和字符串的列表。如果是字符串,将推断优化方向(最小化或最大化)。如果是一个 keras_tuner.Objective
实例列表,我们将最小化所有要最小化的目标的总和,减去所有要最大化的目标的总和。当 Tuner.run_trial()
或 HyperModel.fit()
返回一个单浮点数作为要最小化的目标时,objective
参数是可选的。tf.keras.callbacks.EarlyStopping
)。默认为 100。max_epochs * (math.log(max_epochs, factor) ** 2)
个累积 epoch。建议根据您的资源预算将其设置为尽可能高的值。默认为 1。hyperparameters
中指定的超参数条目是否应添加到搜索空间中。如果否,则将使用这些参数的默认值。默认为 True。hyperparameters
中列出的超参数条目。默认为 True。Trial
的最大次数。Trial
的数量。达到此数量时,搜索将停止。当所有重试都失败时,Trial
被标记为失败。