基礎 HyperModel 類別
HyperModel 類別
keras_tuner.HyperModel(name=None, tunable=True)
定義模型的搜尋空間。
搜尋空間是模型的集合。build 函數將使用給定的 HyperParameters 物件從空間中建構其中一個模型。
使用者應該繼承 HyperModel 類別並覆寫 build() 來定義他們的搜尋空間，該函數會建立並返回 Keras 模型。您也可以選擇性地覆寫 fit() 來客製化模型的訓練過程。
範例
在 build() 中，您可以使用超參數建立模型。
class MyHyperModel(kt.HyperModel):
def build(self, 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
覆寫 HyperModel.fit() 時，如果您使用 model.fit() 來訓練您的模型（它會返回訓練歷史記錄），您可以直接返回它。您可以使用 hp 指定要調整的任何超參數。
class MyHyperModel(kt.HyperModel):
def build(self, hp):
...
def fit(self, hp, model, *args, **kwargs):
return model.fit(
*args,
epochs=hp.Int("epochs", 5, 20),
**kwargs)
如果您有客製化的訓練過程，您可以將目標值作為浮點數返回。
如果您想追蹤更多指標，您可以返回要追蹤的指標字典。
class MyHyperModel(kt.HyperModel):
def build(self, hp):
...
def fit(self, hp, model, *args, **kwargs):
...
return {
"loss": loss,
"val_loss": val_loss,
"val_accuracy": val_accuracy
}
參數
- name：選填字串，此 HyperModel 的名稱。
- tunable：布林值，是否應將此超模型中定義的超參數添加到搜尋空間。如果為
False，則必須事先定義這些參數的搜尋空間，否則將使用預設值。預設值為 True。
build 方法
HyperModel.build(hp)
建構模型。
參數
- hp：
HyperParameters實例。
返回
模型實例。