我正在使用 KerasTuner 进行超参数调整。我通常使用 Hyperband，但我觉得它不适用于学习率，因为该算法在初始阶段训练模型的时间非常少，然后只进一步训练更有希望的超参数组合。因此，在所有其他超参数保持不变的情况下，与较小的 Lr（例如 1e-3）相比，高 Lr（例如 1e-2）将有更多机会在 Hyperband 的早期阶段被选中，但不能保证它确实是最好的经过充分的训练。
我错了吗 ？
最好的，
我正在使用 KerasTuner 进行超参数调整。我通常使用 Hyperband，但我觉得它不适用于学习率，因为该算法在初始阶段训练模型的时间非常少，然后只进一步训练更有希望的超参数组合。因此，在所有其他超参数保持不变的情况下，与较小的 Lr（例如 1e-3）相比，高 Lr（例如 1e-2）将有更多机会在 Hyperband 的早期阶段被选中，但不能保证它确实是最好的经过充分的训练。
我错了吗 ？
最好的，