TensorFlow Bulut Ayarlayıcı Kılavuzu

Bu modül nedir?

tuner daha geniş tensorflow_cloud parçası olan bir modüldür. Bu modül, KerasTuner üzerine kurulu, hiperparametre ayarlamaya yönelik bir kitaplığın uygulamasıdır ve hiperparametre önerileri almak ve denemeler yapmak için arka uç olarak Cloud AI Platform Vizier ile kusursuz bir entegrasyon oluşturur.

tuner modülü, hiperparametre önerileri almak ve denemeler yapmak için arka uç olarak Cloud AI Platform Vizier ile kusursuz bir entegrasyon oluşturur.

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()

Daha kapsamlı bir örnek için bu çalıştırılabilir not defterine bakın.