对 Pytorch 模型执行超参数优化的最佳方法是什么?实现例如随机搜索我自己?使用 Skicit Learn 吗?还是还有什么我不知道的?
最佳答案
许多研究人员使用RayTune 。它是一个可扩展的超参数调整框架,专门用于深度学习。您可以轻松地将它与任何深度学习框架(下面 2 行代码)一起使用,并且它提供了最先进的算法,包括 HyperBand、基于群体的训练、贝叶斯优化和 BOHB。
import torch.optim as optim
from ray import tune
from ray.tune.examples.mnist_pytorch import get_data_loaders, ConvNet, train, test
def train_mnist(config):
train_loader, test_loader = get_data_loaders()
model = ConvNet()
optimizer = optim.SGD(model.parameters(), lr=config["lr"])
for i in range(10):
train(model, optimizer, train_loader)
acc = test(model, test_loader)
tune.report(mean_accuracy=acc)
analysis = tune.run(
train_mnist, config={"lr": tune.grid_search([0.001, 0.01, 0.1])})
print("Best config: ", analysis.get_best_config(metric="mean_accuracy"))
# Get a dataframe for analyzing trial results.
df = analysis.dataframe()
[免责声明:我积极为这个项目做出贡献!]
关于python - Pytorch模型的超参数优化,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44260217/