Panduan Penyetel Cloud TensorFlow

Apa modul ini?

tuner adalah modul yang merupakan bagian dari tensorflow_cloud yang lebih luas. Modul ini merupakan implementasi perpustakaan untuk penyesuaian hyperparameter yang dibangun di atas KerasTuner dan menciptakan integrasi yang lancar dengan Cloud AI Platform Vizier sebagai backend untuk mendapatkan saran hyperparameter dan menjalankan uji coba.

Modul tuner menciptakan integrasi yang lancar dengan Cloud AI Platform Vizier sebagai backend untuk mendapatkan saran hyperparameter dan menjalankan uji coba.

from tensorflow_cloud import CloudTuner
import kerastuner
import tensorflow as tf

(x, y), (val_x, val_y) = tf.keras.datasets.mnist.load_data()
x = x.astype('float32') / 255.
val_x = val_x.astype('float32') / 255.

def build_model(hp):
    model = tf.keras.Sequential()
    model.add(tf.keras.layers.Flatten(input_shape=(28, 28)))
    for _ in range(hp.get('num_layers')):
        model.add(tf.keras.layers.Dense(units=64, activation='relu'))
    model.add(tf.keras.layers.Dense(10, activation='softmax'))
    model.compile(
        optimizer=tf.keras.optimizers.Adam(lr=hp.get('learning_rate')),
        loss='sparse_categorical_crossentropy',
        metrics=['accuracy'])
    return model

# Configure the search space
HPS = kerastuner.engine.hyperparameters.HyperParameters()
HPS.Float('learning_rate', min_value=1e-4, max_value=1e-2, sampling='log')
HPS.Int('num_layers', 2, 10)

# Instantiate CloudTuner
hptuner = CloudTuner(
    build_model,
    project_id=PROJECT_ID,
    region=REGION,
    objective='accuracy',
    hyperparameters=HPS,
    max_trials=5,
    directory='tmp_dir/1')

# Execute our search for the optimization study
hptuner.search(x=x, y=y, epochs=10, validation_data=(val_x, val_y))

# Get a summary of the trials from this optimization study
hptuner.results_summary()

Lihat buku catatan yang dapat dijalankan ini untuk contoh yang lebih lengkap.