我想使用kerastuner框架进行超参数训练。

我该如何选择一个优化器和不同的学习率，并将这些学习率传递给优化器。这是我的model.compile()方法。

        model.compile(        loss=BinaryCrossentropy(from_logits=True),        optimizer=hp.Choice('optimizer', values=['adam', 'adagrad', 'SGD']),        metrics=['accuracy']        )

这段代码一次只能选择一个优化器，并且使用默认的学习率。我想使用hp.Float('lrate', min_value=1e-4, max_value=1e-2, sampling='LOG')为每个优化器传递学习率。我该如何嵌套它们？

回答：

试试这个方法：

# 选择优化器    optimizer=hp.Choice('optimizer', values=['adam', 'adagrad', 'SGD'])# 对每个优化器的条件判断if optimizer == 'adam':   .....elif optimizer == 'adagrad':   .....elif optimizer == 'SGD':   .....# 现在使用之前的参数编译你的模型model.compile(    loss=BinaryCrossentropy(from_logits=True),    optimizer=optimizer,    metrics=['accuracy']    )