貝葉斯優化器

[來源]

BayesianOptimization 類別

keras_tuner.BayesianOptimization(
    hypermodel=None,
    objective=None,
    max_trials=10,
    num_initial_points=None,
    alpha=0.0001,
    beta=2.6,
    seed=None,
    hyperparameters=None,
    tune_new_entries=True,
    allow_new_entries=True,
    max_retries_per_trial=0,
    max_consecutive_failed_trials=3,
    **kwargs
)

使用高斯過程進行貝葉斯優化調整。

參數

• hypermodel：HyperModel 類別的實例（或接收超參數並返回 Model 實例的可呼叫物件）。當 Tuner.run_trial() 被覆寫且未使用 self.hypermodel 時，此參數為選用。
• objective：一個字串、keras_tuner.Objective 實例，或 keras_tuner.Objective 和字串的列表。如果是字串，則將推斷優化的方向（最小化或最大化）。如果是 keras_tuner.Objective 的列表，我們將最小化所有目標的總和以最小化，減去所有目標的總和以最大化。當 Tuner.run_trial() 或 HyperModel.fit() 返回單個浮點數作為要最小化的目標時，objective 參數為選用。
• max_trials：整數，最多要測試的試驗（模型配置）總數。請注意，如果搜索空間已耗盡，預測器可能會在測試 max_trial 個模型之前中斷搜索。默認為 10。
• num_initial_points：可選參數，作為貝葉斯優化初始訓練資料的隨機生成樣本數。如果未指定，則使用超參數空間維度 3 倍的值。
• alpha：浮點數，在擬合過程中添加到核矩陣對角線的值。它表示貝葉斯優化中觀察到的性能的預期噪聲量。默認為 1e-4。
• beta：浮點數，探索和利用的平衡因子。值越大，探索性越強。默認為 2.6。
• seed：可選參數，整數，隨機種子。
• hyperparameters：可選參數，HyperParameters 實例。可用於覆寫（或預先註冊）搜索空間中的超參數。
• tune_new_entries：布林值，表示是否應將超模型請求但未在 hyperparameters 中指定的超參數條目添加到搜索空間中。如果為否，則將使用這些參數的默認值。默認為 True。
• allow_new_entries：布林值，表示是否允許超參數模型請求 hyperparameters 中未列出的超參數項目。預設值為 True。
• max_retries_per_trial：整數。預設值為 0。如果 Trial 崩潰或結果無效，則重試 Trial 的最大次數。
• max_consecutive_failed_trials：整數。預設值為 3。連續失敗的 Trial 的最大數量。達到此數量時，搜尋將會停止。當所有重試均失敗時，Trial 會被標記為失敗。
• **kwargs：與所有 Tuner 子類別相關的關鍵字引數。請參閱 Tuner 的說明文件。