问题标签 [hyperopt]

我正在编写代码来训练 CNN（使用Keras），使用Hyperas进行超参数搜索。为了训练模型，我使用了ImageDataGenerator的flow_from_directory函数。

我阅读了很多在互联网上找到的帖子和文档，但我的代码不起作用。我不明白为什么。

下面是我的代码：

'''

在线上 ：

我有这个错误信息：

/usr/local/lib/python3.6/dist-packages/hyperas/optim.py 在retrieve_data_string（数据，详细）

使用databricks，我基本上从这里复制并粘贴了相同的代码：https ://www.dataiku.com/learn/guide/code/python/advanced-xgboost-tuning.html

我收到了这个错误：

我得到的错误如下：

任何见解都会有所帮助。关于堆栈溢出的第一个问题！

我正在使用 hyperas 来优化功能，但它没有返回最佳结果。在运行期间，打印输出如下

但之后当我打印我得到的最佳模型的结果时

这已经发生了几次，我不明白为什么。我写了一个可重现的例子，我遇到了同样的问题。

上次我运行这个状态栏显示

和print(best_run)展示的

为什么我的best_run结果不符合优化运行中最小的损失？

将 hyperopt-sklearn 用于分类器时，有没有办法定义评分方法？

默认情况下，它似乎是 sklearn 的 model.score 方法，因此分类器的准确性。但是对于一些问题（例如：不平衡的类），准确率并不是最好的衡量标准……</p>

我试图实现多维超参数优化。我有一个有很多参数的函数，但只有 4 个需要优化。

我想知道如何将其传递给 hypteropt。

我认为这样的事情应该在测试功能中起作用：

但是该函数试图以某种方式比较我的字符串并引发 Error: TypeError: unsupported operand type(s) for -: 'tuple' and 'float'

我究竟做错了什么？

我正在尝试将通过 TensorFlow Keras (.pb) 创建的冻结图加载到内存有限的微控制器上。通过 Hyperopt(...) 我正在优化我的训练超参数，但是我想将结果模型的大小作为搜索空间的一部分。目前，我将使用加权损失作为 hyperopt 的输入，如下所示：

从我迄今为止发现的情况来看，没有办法通过训练直接反向传播模型的大小，但是有没有更好的方法呢？

感谢您的考虑！

我正在使用hyperopt库来调整我的模型。

这是我的搜索空间：

这是我的代码：

根据我拥有的可能参数的数量，库应该完成210迭代以完成搜索过程（3 * 7 * 10）

我将参数设置max_evals为 140，它小于可能的总数。

每次迭代后，我都会将我拥有的参数与分数一起保存。我发现，即使我在较低的空间（140 而不是 210）中搜索，也有重复参数的试验（迭代）。

图书馆是遵循Gridsearchhyperopt技术还是在每次试验中随机组合参数？

我要问的是参数选择过程，而不是优化技术（例如Bayesian优化）。

我尝试使用 Hyperopt 优化器调整 scikit GradientBoostingRegressor 模型的超参数。我通过多种方式在 [0.01, 1] 范围内设置 learning_rate 参数的搜索空间（例如：

或作为简单数组[0.01, 0.02, 0.03, 0.1]，但是当我运行代码 hyperopt 开始计算时，我收到错误“ValueError：learning_rate must be greater than 0 but was 0”。

我不知道代码中有什么问题，因为零值不在参数的范围内。零值如何发挥作用？

请帮我解决这个问题。

先感谢您。

下面我附上相关代码。注意： RandomForestRegressor 和 ExtraTreesRegressor 方法（估计器）的代码没有问题。

我正在尝试使用 HyperOptSearch 和 ray.tune 进行参数优化。该代码适用于 hyperopt（无调整），但我希望它更快，因此使用调整。不幸的是我找不到很多例子，所以我不确定代码。我使用带有 XGboost 的管道，但不仅要优化 XGboost 中的参数，还要优化管道中用于编码的另一个参数。这可能与音调有关吗？我的代码如下。

我正在尝试在 hyperopt 中定义参数空间。但是，当我运行时：

我收到标题中的错误。我在网上找到的唯一一件事是我应该尝试降级到 networkx 1.11，所以在命令提示符下我运行了：

它显然有效，但属性制服仍然没有运气。