Hyperband Tuner

[源代码]

Hyperband 类

keras_tuner.Hyperband(
    hypermodel=None,
    objective=None,
    max_epochs=100,
    factor=3,
    hyperband_iterations=1,
    seed=None,
    hyperparameters=None,
    tune_new_entries=True,
    allow_new_entries=True,
    max_retries_per_trial=0,
    max_consecutive_failed_trials=3,
    **kwargs
)

HyperBand 算法的变种。

参考

Li, Lisha, and Kevin Jamieson. "Hyperband: A Novel Bandit-Based Approach to Hyperparameter Optimization." Journal of Machine Learning Research 18 (2018): 1-52.

参数

• hypermodel：HyperModel 类的实例（或接受超参数并返回 Model 实例的可调用对象）。当 Tuner.run_trial() 被重写且不使用 self.hypermodel 时，此参数为可选。
• 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_epochs：整数，训练单个模型时使用的最大 epoch 数。建议将其设置为略高于您最大的 Model 收敛时预期的 epoch 数，并在训练期间使用早停（例如，通过 tf.keras.callbacks.EarlyStopping）。默认为 100。
• factor：整数，每个 bracket 的 epoch 数和模型数量的缩减因子。默认为 3。
• hyperband_iterations：整数，至少为 1，表示完整 Hyperband 算法的迭代次数。一次迭代将在所有 trial 中累积运行大约 max_epochs * (math.log(max_epochs, factor) ** 2) 个 epoch。建议将其设置为在您的资源预算范围内尽可能高的值。默认为 1。
• seed: 可选的整数，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，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。