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 函式將使用給定的 HyperParameters 物件從空間中建立一個模型。
使用者應繼承 HyperModel 類別，並覆寫 build() 來定義其搜尋空間，該函式會建立並回傳 Keras 模型。您可以選擇覆寫 fit() 來客製化模型的訓練流程。
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
當覆寫 HyperModel.fit() 時，如果您使用 model.fit() 來訓練模型，該函式會回傳訓練歷史記錄，您可以直接回傳它。您可以使用 hp 來指定任何要調整的超參數。
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流程，您可以將目標值回傳為浮點數。
如果您想追蹤更多指標，您可以回傳要追蹤的指標字典。
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
}
引數
- name：選擇性的字串，此 HyperModel 的名稱。
- tunable：布林值，是否應將此超模型中定義的超參數加入搜尋空間。如果為
False，則必須預先定義這些參數的搜尋空間，或者將使用預設值。預設值為 True。
build 方法
HyperModel.build(hp)
建立模型。
引數
- hp：
HyperParameters實例。
回傳
模型實例。