網格搜尋調諧器 (GridSearch Tuner)

[原始碼]

GridSearch 類別

keras_tuner.GridSearch(
    hypermodel=None,
    objective=None,
    max_trials=None,
    seed=None,
    hyperparameters=None,
    tune_new_entries=True,
    allow_new_entries=True,
    max_retries_per_trial=0,
    max_consecutive_failed_trials=3,
    **kwargs
)

網格搜尋調諧器。

此調諧器會迭代所有可能的超參數組合。

例如，使用

optimizer = hp.Choice("model_name", values=["sgd", "adam"])
learning_rate = hp.Choice("learning_rate", values=[0.01, 0.1])

此調諧器將涵蓋以下組合：["sgd", 0.01], ["sgd", 0.1], ["adam", 0.01] ["adam", 0.1]。

對於以下超參數類型，網格搜尋 (GridSearch) 不會窮盡所有可能的值

• 當 step 未指定時的 hp.Float()。
• 當 sampling 設定為 "log" 或 "reverse_log"，且 step 未指定時的 hp.Int()。

對於這些情況，KerasTuner 預設會在範圍內均勻選擇 10 個樣本。若要設定 hp.Float() 和 hp.Int() 的取樣粒度，請在其初始化器中使用 step 引數。

引數

• hypermodel：HyperModel 類別的實例 (或接受超參數並傳回模型實例的可呼叫物件)。當 Tuner.run_trial() 被覆寫且不使用 self.hypermodel 時，此為可選。
• objective：一個字串、keras_tuner.Objective 實例，或 keras_tuner.Objective 和字串的清單。如果為字串，則會推斷最佳化方向（最小化或最大化）。如果為 keras_tuner.Objective 的清單，我們將最小化所有目標的總和，以減去所有要最大化的目標的總和。當 Tuner.run_trial() 或 HyperModel.fit() 傳回單一浮點數作為要最小化的目標時，objective 引數為可選。
• max_trials：可選整數，最多要測試的試驗（模型組態）總數。請注意，如果搜尋空間已耗盡，則神諭 (oracle) 可能會在測試 max_trial 模型之前中斷搜尋。如果未指定，則會執行直到搜尋空間耗盡。
• seed：可選整數，隨機種子。
• hyperparameters：可選的 HyperParameters 實例。可用於覆寫（或預先註冊）搜尋空間中的超參數。
• tune_new_entries：布林值，是否應將超模型請求但未在 hyperparameters 中指定的超參數項目新增至搜尋空間。如果不是，則會使用這些參數的預設值。預設為 True。
• allow_new_entries：布林值，是否允許超模型請求未列在 hyperparameters 中的超參數項目。預設為 True。
• max_retries_per_trial：整數。預設為 0。如果試驗 (Trial) 崩潰或結果無效，則重試 Trial 的最大次數。
• max_consecutive_failed_trials：整數。預設為 3。連續失敗的 Trial 最大次數。當達到此數字時，搜尋將停止。當沒有任何重試成功時，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 的文件字串。