► KerasTuner
KerasTuner
KerasTuner 是一個易於使用、可擴展的超參數優化框架，可解決超參數搜尋的痛點。透過「define-by-run」語法輕鬆配置您的搜尋空間，然後利用可用的搜尋演算法之一，為您的模型找到最佳的超參數值。KerasTuner 內建了貝氏優化（Bayesian Optimization）、Hyperband 和隨機搜尋（Random Search）演算法，並且設計成方便研究人員擴展，以便實驗新的搜尋演算法。
快速連結
安裝
安裝最新版本
pip install keras-tuner --upgrade
您也可以在我們的 GitHub 儲存庫 中查看其他版本。
快速介紹
匯入 KerasTuner 和 TensorFlow
import keras_tuner
import keras
編寫一個函式來建立並傳回 Keras 模型。在模型建立期間，使用 hp 參數定義超參數。
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
初始化一個調整器（這裡使用 RandomSearch）。我們使用 objective 來指定選擇最佳模型的目標，並使用 max_trials 來指定要嘗試的不同模型數量。
tuner = keras_tuner.RandomSearch(
build_model,
objective='val_loss',
max_trials=5)
開始搜尋並取得最佳模型
tuner.search(x_train, y_train, epochs=5, validation_data=(x_val, y_val))
best_model = tuner.get_best_models()[0]
若要瞭解更多關於 KerasTuner 的資訊，請查看入門指南。
引用 KerasTuner
如果 KerasTuner 對您的研究有所幫助，我們感謝您的引用。以下是 BibTeX 條目
@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}}
}