GridSearch Tuner

[源代码]

GridSearch 类

keras_tuner.GridSearch(
    hypermodel=None,
    objective=None,
    max_trials=None,
    seed=None,
    hyperparameters=None,
    tune_new_entries=True,
    allow_new_entries=True,
    max_retries_per_trial=0,
    max_consecutive_failed_trials=3,
    **kwargs
)

网格搜索调优器。

此调优器会遍历所有可能的超参数组合。

例如，使用

optimizer = hp.Choice("model_name", values=["sgd", "adam"])
learning_rate = hp.Choice("learning_rate", values=[0.01, 0.1])

此调优器将覆盖以下组合：["sgd", 0.01], ["sgd", 0.1], ["adam", 0.01] ["adam", 0.1]。

对于以下超参数类型，GridSearch 将不会穷尽所有可能的值

• 当 `step` 未指定时，hp.Float()。
• 当 `sampling` 设置为 "log" 或 "reverse_log" 且 `step` 未指定时，hp.Int()。

在这些情况下，KerasTuner 默认会从该范围内平均选取 10 个样本。要配置 hp.Float() 和 hp.Int() 的采样粒度，请使用它们初始化器中的 `step` 参数。

参数

• hypermodel：HyperModel 类的实例（或可调用对象，它接受超参数并返回 Model 实例）。当 Tuner.run_trial() 被覆盖且不使用 self.hypermodel 时，此参数是可选的。
• objective: 一个字符串、keras_tuner.Objective 实例，或一个 keras_tuner.Objective 对象和字符串的列表。如果是一个字符串，将推断优化的方向（最小化或最大化）。如果是一个 keras_tuner.Objective 对象列表，我们将最小化所有目标的总和以进行最小化，或最大化所有目标的总和以进行最大化。当 Tuner.run_trial() 或 HyperModel.fit() 返回一个单一的浮点数作为要最小化的目标时，objective 参数是可选的。
• max_trials：可选整数，最多测试的总试验次数（模型配置）。请注意，如果搜索空间已被穷尽，则 Oracle 可能会在测试完 max_trial 个模型之前中断搜索。如果未指定，则一直运行直到搜索空间被穷尽。
• seed: 可选的整数，随机种子。
• hyperparameters: 可选的 HyperParameters 实例。可用于覆盖（或预先注册）搜索空间中的超参数。
• tune_new_entries: 布尔值，是否应将 hypermodel 请求但未在 hyperparameters 中指定的超参数条目添加到搜索空间。如果为 false，则将使用这些参数的默认值。默认为 True。
• allow_new_entries: 布尔值，是否允许 hypermodel 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，则重试 Trial 的最大次数。
• max_consecutive_failed_trials: 整数。默认为 3。连续失败 Trial 的最大数量。达到此数量时，搜索将停止。当重试均未成功时，Trial 将被标记为失败。
• **kwargs: 与所有 Tuner 子类相关的关键字参数。请参阅 Tuner 的文档字符串。