今天就跟大家聊聊有關(guān)如何進行Keras中的神經(jīng)網(wǎng)絡(luò)模型超參數(shù)調(diào)優(yōu)，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

為海州等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計制作服務(wù)，及海州網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為網(wǎng)站設(shè)計、成都網(wǎng)站制作、海州網(wǎng)站設(shè)計，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達到每一位用戶的要求，就會得到認可，從而選擇與我們長期合作。這樣，我們也可以走得更遠！

在目前神經(jīng)網(wǎng)絡(luò)超參數(shù)調(diào)整的研究中，tensorflow/keras社區(qū)開發(fā)出了一款自動化調(diào)參工具 keras-tuner，通過keras-tuner我們在使tensorflow/keras 進行工程實踐時，在模型參數(shù)優(yōu)化這一環(huán)節(jié)可以方便的幫助我們做一些工作。

首先我們安裝keras-tuner

要求：

• Python 3.6

• TensorFlow 2.0

從pypi安裝

pip install -U keras-tuner

使用很簡單，上來先import

import kerastuner as kt

首先先來介紹一下keras-tuner的參數(shù)類 HyperParameters，非常重要。

hp = kt.HyperParameters()

HyperParameters類作為一個hyerparameter容器。一個HyperParameters實例包含有關(guān)搜索空間和每個超參數(shù)的當前值的信息。當然也可以與使用超參數(shù)的模型構(gòu)建代碼內(nèi)聯(lián)定義超參數(shù)。這使您不必編寫樣板代碼，并有助于使代碼更具可維護性。

我們來看一個非常簡單的例子

import kerastuner as ktimport tensorflow as tf
#初始化一個參數(shù)容器hp = kt.HyperParameters()#定義一個modeldef build_model(hp):    model = tf.keras.Sequential()    model.add(tf.keras.layers.Dense(units=hp.Int('units', min_value=32, max_value=512, step=32), activation='relu'))    model.add(layers.Dense(10, activation='softmax'))    model.compile(optimizer=tf.keras.optimizers.Adam(hp.Choice('learning_rate', values=[1e-2, 1e-3, 1e-4])),                  loss='sparse_categorical_crossentropy',                  metrics=['accuracy'])    return model#包裝一個隨即搜索器tuner = kt.tuners.RandomSearch(    build_model,    objective='val_accuracy',    max_trials=5,    executions_per_trial=3,    directory='my_dir',    project_name='helloworld')#打印搜索空間的摘要    tuner.search_space_summary()#搜索最佳的超參數(shù)配置tuner.search(x, y, epochs=5, validation_data=(val_x, val_y)#檢索最佳模型models = tuner.get_best_models(num_models=2)#打印結(jié)果摘要tuner.results_summary()

可以看出，kerastuner就是這么好用，簡潔的api方法定義隨機參數(shù)和訓練模型。

看完上述內(nèi)容，你們對如何進行Keras中的神經(jīng)網(wǎng)絡(luò)模型超參數(shù)調(diào)優(yōu)有進一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝大家的支持。