python - 如何从 keras 调谐器中的 RandomSearch 中选择试用版？

Question

我在深度学习项目中使用 keras 调谐器来拟合超参数。
因为超参数的组合很多，即使使用 GPU 也需要超过 24 小时才能运行。为了获得可重复的结果，我们在运行训练之前修复了随机状态（numpy 和 tensorflow 的种子）。

我想知道是否有一种简单的方法可以将调整搜索分成几个步骤，以便我们可以在每晚运行它（例如，将它分成 3 部分，每 8 小时运行一次）。因此，如果有 300 次试验，我们希望在第一晚运行前 100 次试验，第二晚运行 100 到 200 次试验，最后在最后一晚运行最后 100 次试验。
我尝试搜索如何配置特定的 trial_id（使用 kera_tuner.tuners.random_search 的函数 populate_state），以便我对该配置进行培训，但我没有找到如何使用它。

提前感谢您的回答。

Answer 1

maybe I did not understood the question, but if problem is time comsumption , why not use hyperband instead of random search ?

EDIT : also there is a chapter in link about distributed tuning . Or you could split your hyperparameters list into 3 or 4 HyperParameters object and run them one per night (like the example in link