问题标签 [ray-tune]

我有两个关于Ray Tune的问题。首先，我如何定义一个独立于特定SearchAlgorithm使用的超参数搜索空间。例如，HyperOpt 使用类似的东西，'height': hp.uniform('height', -100, 100)而 BayesOpt 使用类似的东西'width': (0, 20)；是否有一些通用接口或 API？

其次，我希望能够使用shape参数定义超参数搜索空间，类似于定义 numpy 数组。我想要类似的东西'heights': hp.uniform('height', -100, 100, shape=(10,))。有没有办法做到这一点？

在 Ray Tune 中，对于调度程序和试验是否可以使用不同的停止条件，是否有任何指导？下面，我有一个基于 停止的异步超频带调度程序neg_mean_loss，并基于 调整自身停止mean_f1。

我应该对两者都使用相同的还是没关系？

我正在我的作业中创建自定义结果文件，并希望将它们从工作节点同步到头节点（稍后将它们同步到我的本地计算机）。我试图将它们全部写入local_direg~./ray_results但不幸的是，ray tune 似乎只同步local_dir. 它是否正确？

在一组配置上运行tune.run()以进行搜索时，是否可以向正在打印的状态表添加更多指标列（即，等）a？b

将给出下表，其中不包含指标a和列b：

tune.track.log()我们如何为传递给除 之外的每个指标包含一列mean_accuracy？

使用 Python 3.7.3 和 Ray 0.8.4

我正在使用 Ray & RLlib 在 Ubuntu 系统上训练 RL 代理。Tensorboard 用于通过将其指向~/ray_results存储所有运行的所有日志文件的位置来监控训练进度。未使用 Ray Tune。

例如，在开始新的 Ray/RLlib 训练运行时，将在以下位置创建一个新目录

为了可视化训练进度，我们需要使用 Tensorboard 启动

问题：是否可以配置 Ray/RLlib 将日志文件的输出目录从~/ray_results另一个位置更改？

DQN_ray_custom_env_2020-06-07_05-26-32djwxfdu1另外，我们可以自己设置这个目录名称，而不是登录到名为类似的目录吗？

尝试失败：尝试设置

在运行之前ray.init()，但结果日志文件仍在被写入~/ray_results。

将不同的基础和文档示例放在一起，我设法想出了这个：

它运行，我能够在一切结束时获得最佳配置。但是，我的疑问主要在于objective功能。我写的正确吗？没有我能找到的样本

跟进问题：

1. num_samples配置对象中有什么？是从每次试验的整体训练数据中提取的样本数量吗？

说明问题的代码示例：

我面临的问题是，在开始执行第一次试验之前，tune.run调用将强制采样搜索空间时间。num_samples

问题：是否可以在每次试用后制作 Tune 样本搜索空间？

可以使用wrapper around search algorithm来限制tune.suggest.Searcher-descendant 算法（AxSearch例如）的并发试验次数。ConcurrencyLimiter但是我怎样才能为随机搜索做到这一点？

我正在使用 Tune基于类的 Trainable API。请参阅代码示例：

问题是tune.run结果仍然不同，可能的原因是每个射线​​演员仍然有不同的种子。

问题：如何使ray.tune.run可重现？

所以我只是做了一个tune实验，得到了以下输出：

但是当我查看单个结果时，我发现对于第三次试验trainable_137ecd98（

如果我想检查点并报告给定试验达到的最高精度（或最佳其他指标），用户是否打算跟踪best_metric每次试验，并在best_metric更新时编写自定义检查点？

我看到有一个checkpoint_at_end选项tune.run，但最常见的用例不是checkpoint_if_best因为试验的最后一次训练迭代很少是最好的吗？

谢谢！

我编写了一个简单的 pytorch 脚本来训练 MNIST，它运行良好。我重新实现了我的脚本以使用 Trainable 类：

但是，当我尝试运行时，这次它失败了：

这可能是什么原因？