贝叶斯超参数优化的python库
hyperengine的Python项目详细描述
概述
关于
hyper engine 是用于模型选择和hyper parameters优化的工具箱。 它旨在通过直观的api和最小的依赖性提供最先进的技术。 hyper engine 不是框架,这意味着它不会对主代码强制执行任何结构或设计, 从而使集成具有本地性和非侵入性。
安装
pip install git+https://github.com/maxim5/hyper-engine.git@master
依赖关系:
- 六,纽比,希比
- TensorFlow(可选)
- pyplot(可选,仅用于开发)
兼容性:
- 巨蟒2.7、3.5、3.6
许可证:
hyper engine 设计为与ml平台无关的,但目前只提供简单的绑定。
如何使用
使代码适应超级引擎通常可以归结为将硬编码的超参数迁移到字典(或对象)中。 给特定的张量命名。
之前:
defmy_model():x=tf.placeholder(...)y=tf.placeholder(...)...optimizer=tf.train.GradientDescentOptimizer(learning_rate=0.01)...
之后:
defmy_model(params):x=tf.placeholder(...,name='input')y=tf.placeholder(...,name='label')...optimizer=tf.train.GradientDescentOptimizer(learning_rate=params['learning_rate'])...# Now can run the model with any set of hyper-parameters
其余的集成代码是独立的,可以放在 main 脚本中。 请参阅示例包中的超参数调整示例。