KerasTuner 超模型
HyperModel 基类使搜索空间更好地封装以便共享和重用。一个 HyperModel 子类只需要实现一个 build(self, hp) 方法，该方法使用 hp 参数来定义超参数并创建一个 keras.Model，并返回模型实例。一个简单的代码示例如下。
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
你可以将一个 HyperModel 实例作为搜索空间传递给 Tuner。
tuner = kt.RandomSearch(
MyHyperModel(),
objective='val_loss',
max_trials=5)
还有一些内置的 HyperModel 子类（例如 HyperResNet，HyperXception）供用户直接使用，这样用户就不需要编写自己的搜索空间。
tuner = kt.RandomSearch(
HyperResNet(input_shape=(28, 28, 1), classes=10),
objective='val_loss',
max_trials=5)