为什么Optuna的CSV文件在有多个参数的情况下只显示每个参数的一个项目?

我使用Python创建了以下代码,以便使用Optuna优化我的网络。

    activations_1 = trial.suggest_categorical('activation', ['relu', 'sigmoid', 'tanh', 'selu'])     activations_2 = trial.suggest_categorical('activation', ['relu', 'sigmoid', 'tanh', 'selu'])     activations_3 = trial.suggest_categorical('activation', ['relu', 'sigmoid', 'tanh', 'selu'])     activations_4 = trial.suggest_categorical('activation', ['relu', 'sigmoid', 'tanh', 'selu'])model = Sequential([            layers.Conv2D(filters=dict_params['num_filters_1'],                          kernel_size=dict_params['kernel_size_1'],                          activation=dict_params['activations_1'],                          strides=dict_params['stride_num_1'],                          input_shape=self.input_shape),            layers.BatchNormalization(),            layers.MaxPooling2D(2, 2),            layers.Conv2D(filters=dict_params['num_filters_2'],                          kernel_size=dict_params['kernel_size_2'],                          activation=dict_params['activations_2'],                          strides=dict_params['stride_num_2']),

如您所见,我进行了多次激活试验而不是一次,因为我想看看当每一层使用不同的激活函数时,模型是否会产生更好的结果。您可以看到,我对其他参数也做了同样的处理。我的困惑始于返回study.bestparams对象时:

{"num_filters": 32, "kernel_size": 4, "strides": 1, "activation": "selu", "num_dense_nodes": 64, "batch_size": 64}

试验产生的参数中只有一个参数。它没有告诉我参数在哪里使用,也没有显示我使用的其他三个激活函数(或者其他参数)。有没有一种方法可以精确显示我的模型使用的参数以及在哪些层上使用?(我知道可以保存最佳模型和模型摘要,但这对我帮助不大)


回答:

问题在于您对所有激活函数使用了相同的参数名称。不要这样做:

    activations_1 = trial.suggest_categorical('activation', ['relu', 'sigmoid', 'tanh', 'selu'])     activations_2 = trial.suggest_categorical('activation', ['relu', 'sigmoid', 'tanh', 'selu'])     activations_3 = trial.suggest_categorical('activation', ['relu', 'sigmoid', 'tanh', 'selu'])     activations_4 = trial.suggest_categorical('activation', ['relu', 'sigmoid', 'tanh', 'selu'])

试试这样:

    activations_1 = trial.suggest_categorical('activation1', ['relu', 'sigmoid', 'tanh', 'selu'])     activations_2 = trial.suggest_categorical('activation2', ['relu', 'sigmoid', 'tanh', 'selu'])     activations_3 = trial.suggest_categorical('activation3', ['relu', 'sigmoid', 'tanh', 'selu'])     activations_4 = trial.suggest_categorical('activation4', ['relu', 'sigmoid', 'tanh', 'selu'])

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注