我使用的 Keras 与此处的端到端示例类似 - https://keras-team.github.io/keras-tuner/tutorials/subclass-tuner/
生成的某些模型比其他模型大得多，并且较大的模型会导致 OOM 错误，从而停止调整。
我知道我可以设置一个 max_model_size （https://github.com/keras-team/keras-tuner/issues/175）。但不是限制模型大小，调谐器是否可以根据模型的大小选择最大批量大小，或者跳过对于内存来说太大的批量大小？
我不确定这是否适用于批量大小，但通常您可以定义父（超）参数。只有在选定的条件下，您的“子”参数才会被定义。
hp_number_of_layers = hp.Int('number_of_layers', min_value = 4, max_value = 10, step = 2, default=6)
hp_batch_size = hp.Int('batch_size', min_value = 4, max_value = 8, step = 4, default=4, parent_name='number_of_layers', parent_values=[6,8])