Co to za moduł?
tuner to moduł będący częścią szerszej chmury tensorflow_cloud . Ten moduł jest implementacją biblioteki do dostrajania hiperparametrów, która jest zbudowana na KerasTuner i zapewnia bezproblemową integrację z Cloud AI Platform Vizier jako backend, aby uzyskać sugestie dotyczące hiperparametrów i uruchomić testy.
Moduł tuner zapewnia bezproblemową integrację z platformą Cloud AI Vizier jako zaplecze umożliwiające uzyskiwanie sugestii dotyczących hiperparametrów i uruchamianie prób.
from tensorflow_cloud import CloudTuner
import kerastuner
import tensorflow as tf
(x, y), (val_x, val_y) = tf.keras.datasets.mnist.load_data()
x = x.astype('float32') / 255.
val_x = val_x.astype('float32') / 255.
def build_model(hp):
model = tf.keras.Sequential()
model.add(tf.keras.layers.Flatten(input_shape=(28, 28)))
for _ in range(hp.get('num_layers')):
model.add(tf.keras.layers.Dense(units=64, activation='relu'))
model.add(tf.keras.layers.Dense(10, activation='softmax'))
model.compile(
optimizer=tf.keras.optimizers.Adam(lr=hp.get('learning_rate')),
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
return model
# Configure the search space
HPS = kerastuner.engine.hyperparameters.HyperParameters()
HPS.Float('learning_rate', min_value=1e-4, max_value=1e-2, sampling='log')
HPS.Int('num_layers', 2, 10)
# Instantiate CloudTuner
hptuner = CloudTuner(
build_model,
project_id=PROJECT_ID,
region=REGION,
objective='accuracy',
hyperparameters=HPS,
max_trials=5,
directory='tmp_dir/1')
# Execute our search for the optimization study
hptuner.search(x=x, y=y, epochs=10, validation_data=(val_x, val_y))
# Get a summary of the trials from this optimization study
hptuner.results_summary()
Pełniejszy przykład można znaleźć w tym uruchamialnym notebooku .