คู่มือ TensorFlow Cloud Tuner

โมดูลนี้คืออะไร?

tuner เป็นโมดูลที่เป็นส่วนหนึ่งของ tensorflow_cloud ที่กว้างขึ้น โมดูลนี้เป็นการใช้งานไลบรารีสำหรับการปรับแต่งไฮเปอร์พารามิเตอร์ที่สร้างขึ้นบน KerasTuner และสร้างการผสานรวมที่ราบรื่นกับ Cloud AI Platform Vizier เป็นแบ็กเอนด์เพื่อรับคำแนะนำของไฮเปอร์พารามิเตอร์และดำเนินการทดลอง

โมดูล tuner เนอร์สร้างการผสานรวมอย่างราบรื่นกับ Cloud AI Platform Vizier เป็นแบ็กเอนด์เพื่อรับคำแนะนำเกี่ยวกับไฮเปอร์พารามิเตอร์และดำเนินการทดลองใช้งาน

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()

ดู สมุดบันทึกที่รันได้นี้ สำหรับตัวอย่างที่สมบูรณ์ยิ่งขึ้น