基础 HyperModel 类
HyperModel 类
keras_tuner.HyperModel(name=None, tunable=True)
定义模型的搜索空间。
搜索空间是模型的集合。build 函数将使用给定的 HyperParameters 对象从空间中构建一个模型。
用户应该继承 HyperModel 类，通过覆盖 build() 来定义他们的搜索空间，该函数创建并返回 Keras 模型。可选地，你也可以覆盖 fit() 来自定义模型的训练过程。
示例
在 build() 中，你可以使用超参数创建模型。
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
当覆盖 HyperModel.fit() 时，如果你使用 model.fit() 来训练你的模型（它返回训练历史），你可以直接返回它。你可以使用 hp 来指定任何需要调整的超参数。
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)
如果你有一个自定义的训练过程，你可以将目标值作为浮点数返回。
如果你想跟踪更多的指标，你可以返回一个要跟踪的指标字典。
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
}
参数
- name：可选字符串，此 HyperModel 的名称。
- tunable：布尔值，是否应该将此超模型中定义的超参数添加到搜索空间。如果为
False，则这些参数的搜索空间必须预先定义，或者将使用默认值。默认为 True。
build 方法
HyperModel.build(hp)
构建一个模型。
参数
- hp：一个
HyperParameters实例。
返回
一个模型实例。