Keras的参数调整库
项目描述
KerasTuner
KerasTuner 是一个易于使用、可扩展的超参数优化框架，解决了超参数搜索的痛点。您可以使用运行时定义的语法轻松配置搜索空间，然后利用可用的搜索算法之一找到适合您模型的最佳超参数值。KerasTuner 内置了贝叶斯优化、Hyperband 和随机搜索算法，并设计得易于研究人员扩展，以便实验新的搜索算法。
官方网站： https://keras.org.cn/keras_tuner/
快速链接
安装
KerasTuner 需要 Python 3.8+ 和 TensorFlow 2.0+。
安装最新版本
pip install keras-tuner
您还可以在我们的 GitHub 仓库 中查看其他版本。
快速介绍
导入 KerasTuner 和 TensorFlow
import keras_tuner
from tensorflow import keras
编写一个创建并返回 Keras 模型的函数。在模型创建期间使用 hp 参数定义超参数。
def build_model(hp):
model = keras.Sequential()
model.add(keras.layers.Dense(
hp.Choice('units', [8, 16, 32]),
activation='relu'))
model.add(keras.layers.Dense(1, activation='relu'))
model.compile(loss='mse')
return model
初始化一个调谐器（此处为 RandomSearch）。我们使用 objective 指定目标以选择最佳模型，并使用 max_trials 指定要尝试的不同模型数量。
tuner = keras_tuner.RandomSearch(
build_model,
objective='val_loss',
max_trials=5)
开始搜索并获取最佳模型
tuner.search(x_train, y_train, epochs=5, validation_data=(x_val, y_val))
best_model = tuner.get_best_models()[0]
要了解更多关于 KerasTuner 的信息，请参阅 此入门指南。
贡献指南
有关贡献指南，请参阅 CONTRIBUTING.md。
感谢所有贡献者！
社区
在我们的 GitHub 讨论区 提出您的问题。
引用 KerasTuner
如果您的研究受益于 KerasTuner，我们感谢您的引用。以下是 BibTeX 条目
@misc{omalley2019kerastuner,
title = {KerasTuner},
author = {O'Malley, Tom and Bursztein, Elie and Long, James and Chollet, Fran\c{c}ois and Jin, Haifeng and Invernizzi, Luca and others},
year = 2019,
howpublished = {\url{https://github.com/keras-team/keras-tuner}}
}
下载文件
下载适用于您平台的文件。如果您不确定选择哪个，请了解更多关于 安装软件包 的信息。
源代码分发
keras-tuner-1.4.7.tar.gz (79.9 kB 查看哈希)
构建分发
keras_tuner-1.4.7-py3-none-any.whl (129.1 kB 查看哈希值)
关闭
keras-tuner-1.4.7.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 6befd25ee81476e6207d8ca7ed7dc674b8194437cfa0b127294cd00da905ff22 |
|
| MD5 | dc649941609d595675be30b6f40e653e |
|
| BLAKE2b-256 | f40fc59cd351558ef679db7d3fc04327a8a25f03d98a64fc97ab631e0cf9f0e5 |
关闭
keras_tuner-1.4.7-py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 0bcf0220eccc74e7a6a9bd7c8e58531a1af8515019e6bc2dc495833155c07fe2 |
|
| MD5 | 255781058ad30a2fd75490ee47cb2da7 |
|
| BLAKE2b-256 | db5d945296512980b0827e93418514c8be9236baa6f0a1e8ca8be3a2026665b0 |