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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注