基礎的 Tuner 類別

[原始碼]

Tuner 類別

keras_tuner.Tuner(
    oracle,
    hypermodel=None,
    max_model_size=None,
    optimizer=None,
    loss=None,
    metrics=None,
    distribution_strategy=None,
    directory=None,
    project_name=None,
    logger=None,
    tuner_id=None,
    overwrite=False,
    executions_per_trial=1,
    **kwargs
)

用於 Keras 模型的 Tuner 類別。

這是所有 Keras 模型調整器的基礎 Tuner 類別。它管理 Keras 模型的建構、訓練、評估和儲存。可以透過繼承此類別來建立新的調整器。

所有 Keras 相關邏輯都在 Tuner.run_trial() 及其子常式中。當繼承 Tuner 時，如果不呼叫 super().run_trial()，則可以調整任何內容。

參數

• oracle：Oracle 類別的實例。
• hypermodel：HyperModel 類別的實例（或接受超參數並回傳 Model 實例的可呼叫物件）。當覆寫 Tuner.run_trial() 且不使用 self.hypermodel 時，此參數為選用。
• max_model_size：整數，模型參數中純量的最大數量。大於此值的模型將會被拒絕。
• optimizer：選用的最佳化器。它用於覆寫模型在 compile 步驟中的 optimizer 參數。如果超模型沒有編譯它產生的模型，則必須指定此參數。
• loss：選用的損失函數。可用於覆寫模型在 compile 步驟中的 loss 參數。如果超模型沒有編譯它產生的模型，則必須指定此參數。
• metrics：選用的指標。可用於覆寫模型在 compile 步驟中的 metrics 參數。如果超模型沒有編譯它產生的模型，則必須指定此參數。
• distribution_strategy：tf.distribute.Strategy 的選用實例。如果指定，每個試驗將在此範圍下執行。例如，tf.distribute.MirroredStrategy(['/gpu:0', '/gpu:1']) 將在兩個 GPU 上執行每個試驗。目前僅支援單一工作站策略。
• directory：字串，工作目錄的相對路徑。
• project_name：字串，用作此 Tuner 所儲存檔案的前置名稱。
• tuner_id：選用字串，用作此 Tuner 的 ID。
• overwrite：布林值，預設為 False。如果為 False，則在找到同名的現有專案時，會重新載入該專案。否則，會覆寫該專案。
• executions_per_trial：整數，每個試驗（從新的初始化開始，從頭訓練模型）執行的次數（模型組態）。模型指標可能會因隨機初始化而有很大差異，因此，為了評估給定的一組超參數值的效能，最好每個試驗執行數次。
• **kwargs：BaseTuner 的引數。

屬性

• remaining_trials：剩餘的試驗次數，如果未設定 max_trials 則為 None。這在恢復先前停止的搜尋時很有用。

[原始碼]

get_best_hyperparameters 方法

Tuner.get_best_hyperparameters(num_trials=1)

回傳由目標決定的最佳超參數。

此方法可用於重新實例化在搜尋過程中找到的（未訓練）最佳模型。

範例

best_hp = tuner.get_best_hyperparameters()[0]
model = tuner.hypermodel.build(best_hp)

參數

• num_trials：選用的 HyperParameters 物件回傳數量。

回傳

從最佳到最差排序的 HyperParameter 物件清單。

[原始碼]

get_best_models 方法

Tuner.get_best_models(num_models=1)

回傳由調整器目標決定的最佳模型。

這些模型會載入與其最佳檢查點（在最佳試驗的最佳 epoch 結束時）對應的權重。

此方法用於查詢在搜尋期間訓練的模型。為了獲得最佳效能，建議使用在 search 期間找到的最佳超參數在完整資料集上重新訓練您的模型，這可以使用 tuner.get_best_hyperparameters() 取得。

參數

• num_models：選用的最佳模型回傳數量。預設為 1。

回傳

從最佳到最差排序的訓練模型實例清單。

[原始碼]

get_state 方法

Tuner.get_state()

回傳此物件的目前狀態。

此方法在 save 期間呼叫。

回傳

做為狀態的可序列化物件字典。

[原始碼]

load_model 方法

Tuner.load_model(trial)

從給定的試驗載入模型。

對於向 Oracle 報告中間結果的模型，通常 load_model 應透過依賴 trial.best_step 來載入最佳報告的 step。

參數

• trial：Trial 實例，對應於要載入模型的 Trial。

[原始碼]

on_epoch_begin 方法

Tuner.on_epoch_begin(trial, model, epoch, logs=None)

在 epoch 開始時呼叫。

參數

• trial：Trial 實例。
• model：Keras Model。
• epoch：目前的 epoch 數字。
• logs：其他指標。

[原始碼]

on_batch_begin 方法

Tuner.on_batch_begin(trial, model, batch, logs)

在批次開始時呼叫。

參數

• trial：Trial 實例。
• model：Keras Model。
• batch：目前 epoch 內的目前批次數字。
• logs：其他指標。

[原始碼]

on_batch_end 方法

Tuner.on_batch_end(trial, model, batch, logs=None)

在批次結束時呼叫。

參數

• trial：Trial 實例。
• model：Keras Model。
• batch：目前 epoch 內的目前批次數字。
• logs：其他指標。

[原始碼]

on_epoch_end 方法

Tuner.on_epoch_end(trial, model, epoch, logs=None)

在 epoch 結束時呼叫。

參數

• trial：Trial 實例。
• model：Keras Model。
• epoch：目前的 epoch 數字。
• logs：字典。此 epoch 的指標。這應包含此 epoch 的目標值。

[原始碼]

run_trial 方法

Tuner.run_trial(trial, )

評估一組超參數值。

此方法在 search 期間會被多次呼叫，以建立和評估具有不同超參數的模型，並回傳目標值。

範例

您可以將它與 self.hypermodel 搭配使用，以建立和擬合模型。

def run_trial(self, trial, *args, **kwargs):
    hp = trial.hyperparameters
    model = self.hypermodel.build(hp)
    return self.hypermodel.fit(hp, model, *args, **kwargs)

您也可以將其用作任何事物的黑箱最佳化器。

def run_trial(self, trial, *args, **kwargs):
    hp = trial.hyperparameters
    x = hp.Float("x", -2.0, 2.0)
    y = x * x + 2 * x + 1
    return y

參數

• trial：Trial 實例，其中包含執行此試驗所需資訊。超參數可以透過 trial.hyperparameters 存取。
• *args：search 傳遞的位置引數。
• **kwargs：search 傳遞的關鍵字引數。

回傳

History 物件，即 model.fit() 的回傳值、字典、浮點數或其中一種型別的清單。

如果回傳字典，則應為要追蹤的指標字典。索引鍵是指標名稱，其中包含 objective 名稱。這些值應為指標值。

如果回傳浮點數，則應為 objective 值。

如果多次評估模型，您可以回傳上述任何型別的結果清單。最終目標值是清單中結果的平均值。

[原始碼]

results_summary 方法

Tuner.results_summary(num_trials=10)

顯示調整結果摘要。

此方法會列印搜尋結果的摘要，包括每個試驗的超參數值和評估結果。

參數

• num_trials：選用的要顯示的試驗次數。預設為 10。

[原始碼]

save_model 方法

Tuner.save_model(trial_id, model, step=0)

儲存給定試驗的模型。

參數

• trial_id：對應於此模型的 Trial ID。
• model：訓練的模型。
• step：整數，對於向 Oracle 報告中間結果的模型，已儲存檔案對應的步驟。例如，對於 Keras 模型，這是訓練的 epoch 數量。

[原始碼]

search 方法

Tuner.search(*fit_args, **fit_kwargs)

執行搜尋以尋找最佳超參數組態。

參數

• *fit_args：應傳遞給 run_trial 的位置引數，例如訓練和驗證資料。
• **fit_kwargs：應傳遞給 run_trial 的關鍵字引數，例如訓練和驗證資料。

[原始碼]

search_space_summary 方法

Tuner.search_space_summary(extended=False)

列印搜尋空間摘要。

這些方法會列印搜尋空間中超參數的摘要，可以在呼叫 search 方法之前呼叫。

參數

• extended：選用的布林值，是否顯示延伸摘要。預設為 False。

[原始碼]

set_state 方法

Tuner.set_state(state)

設定此物件的目前狀態。

此方法在 reload 期間呼叫。

參數

• state：做為要還原狀態的可序列化物件字典。