Skip to main content
 Web开发网 » 编程语言 » Python语言

简单三步实现Python脚本超参数调优

2021年11月28日6940百度已收录

简单三步实现Python脚本超参数调优  Python脚本 第1张

在编写完成一个Python脚本之后,便可以用它训练和评估机器学习模型了,现在,问题来了,是否能对它自动调整超参数以提高其性能呢?

自有办法!

在本文中,将展示如何将脚本转换为可以用任何超参数优化库优化的目标函数。

简单三步实现Python脚本超参数调优  Python脚本 第2张

只需要三个步骤,便可实现模型的参数调整。

准备好了?

那就开始吧!

假设main.py 脚本如下所示:

简单三步实现Python脚本超参数调优  Python脚本 第3张

第1步:从代码中解耦出搜索参数

提取想要调整的参数,将它们放在脚本顶部的字典中,这样做之后,便可以有效地将搜索参数与代码的其余部分解耦。

简单三步实现Python脚本超参数调优  Python脚本 第4张

第2步:将训练和评估打包为一个函数现在,可以将整个训练和评估逻辑放在 train_evaluate函数的内部。 此函数以参数为输入,输出验证分数。

简单三步实现Python脚本超参数调优  Python脚本 第5张

第3步:运行超参数调整脚本

快要实现了。

现在,利用train_evaluate函数作为选定的黑盒优化库的目标。

本例采用Scikit Optimize实现优化,我在另一篇文章中,对此作了详细描述,同时,你也可以使用其它超参数优化库。

总之:

·定义搜索空间,

·创建目标函数以对它最小化,

·通过forest_minimize函数运行优化。

在这个例子中,我随机选定了10个参数集,尝试了100种不同的配置下的调优。

简单三步实现Python脚本超参数调优  Python脚本 第6张

这就是全部过程。

result对象包含有关最佳分数和对应参数的信息。

注:

如果想在训练结束后进行可视化,并保存诊断图表,那么可以向Neptune中添加一个回调函数和一个记录每次超参数搜索的函数。 只需调用库中 helper function from neptune-contrib。

简单三步实现Python脚本超参数调优  Python脚本 第7张

现在,运行参数扫描时,可以看到以下内容:

简单三步实现Python脚本超参数调优  Python脚本 第8张

查看代码、图表和结果中的skopt hyperparameter sweep experiment。

结语在本文中,我们学习了如何通过3个步骤对 Python脚本的超参数进行优化。

希望有了这些知识,你能更便捷地建立更优的机器学习模型。

祝训练愉快!

评论列表暂无评论
发表评论
微信