问题标签 [talos]

是否有在 GPU 上优化 KERAS NN 超参数的 python3 库？

我曾尝试将 sklearn 与 KerasClassifier 包装器一起使用，但它使用 cpu。

我想调整模型的超参数，keras并且正在探索手头的替代方案。第一个也是最明显的一个是使用scikit-learn这里显示的包装器（https://keras.io/scikit-learn-api/），从而能够使用工作流中所有scikit-learn美妙的东西，但我也在这里遇到了这个包（https://github.com/autonomio/talos），这似乎很有希望，并且很可能会提高速度。

如果有人同时使用它们，有人可以为我指出更好的解决方案（灵活性、速度、功能）吗？带有自定义估算器的sklearn工作流程pipeline提供了一个灵活的世界，但 talos 似乎更直接地面向 keras，因此它必须产生一些我看不到的优势（我想他们不会制作新的独立包）（一些好处此处突出显示https://github.com/autonomio/talos/blob/master/docs/roadmap.rstscikit-learn但框架内似乎已充分涵盖了此类问题）

有什么见解吗？

我想对我的 Keras 模型执行超参数优化。问题是数据集很大，通常在训练中我使用fit_generator从磁盘批量加载数据，但是像SKlearn Gridsearch，Talos等常见的包只支持fit方法。

我尝试使用以下方法将整个数据加载到内存中：

但是在执行网格搜索时，操作系统会因为内存使用量大而将其杀死。我还尝试将我的数据集欠采样到仅 25%，但它仍然太大。

有人和我有同样的经历吗？您能否分享您对大型数据集执行超参数优化的策略？

根据@dennis-ec 的回答，我尝试在此处遵循 SkOpt 的教程：http ://slashtutorial.com/ai/tensorflow/19_hyper-parameters/这是一个非常全面的教程

Talos 是一个模块，可让您对已编写代码的 keras 模型进行超参数调整。它在示例中使用的常规方式是使用和参数Scan实例化的类。这些参数应该分别包含一个带有训练数据和标签的数组。xy

然而，Keras 提供了第二种使用ImageDataGenerator类导入数据的方法，而不是数组，您只需要一个包含训练/验证图像的目录。

我不清楚我怎么能做到Scan这一点，数据生成应该包含一个超参数（批量大小），它应该在modelbuilder函数内部。但同时Scan需要将数据参数作为数组提供。关于如何将 Talos 与 ImageDataGenerator 结合使用的任何建议。

我想了解 talos 中的超参数搜索。特别是模型的评估。我正在浏览这个示例笔记本 https://nbviewer.jupyter.org/github/autonomio/talos/blob/master/examples/Hyperparameter%20Optimization%20with%20Keras%20for%20the%20Iris%20Prediction.ipynb#seven

不，我的问题是：在评估（7）中，如何设置具体的评估指标？例如分类问题的 F1 分数。它们来自 Keras 还是 talos？如果不传递参数，默认是什么？我在 talos 文档中找不到它。我忽略了某事吗？https://autonomio.github.io/docs_talos/#evaluate

我正在尝试使用 talos 库来调整我的 CNN 模型的超参数，但我遇到了确保函数返回模型和输出的错误。但是在我的函数中，我返回了我的两个变量。

我尝试了很多文章，但它们的相同命令运行良好。我在 kaggle 笔记本上写我的代码

错误回溯：

我正在使用 keras 功能 API。
我正在尝试传入输入列表。
我试图关注这个问题：

但我仍然收到一个错误：

这是我目前的模型：

我的网格搜索参数是：

运行此程序时出现错误：

请注意，我的 train1、train2 是具有 9216 个值的 numpy 数组。（96x96 图像）

我试图优化用于图像分类的 keras CNN 的超参数。我考虑使用 sklearn 和 talos 优化器 ( https://github.com/autonomio/talos ) 的网格搜索。我克服了从 flow_from_directory 制作 x 和 y 的基本困难（下面的代码），但是......它仍然不起作用！任何想法？也许有人面临同样的问题。

最后一行出现错误：

具有多个元素的数组的真值是不明确的。使用 a.any() 或 a.all()

我正在使用 Talos 对一个简单的卷积网络进行超调优。运行该scan函数后，性能看起来令人印象深刻（val loss & val acc）。当再次使用相同的参数训练我的网络时，它甚至没有接近。感觉参数和性能彼此无关。我得到的参数如下：报告对象r.best_params()[0]在哪里。r如何重现相同的性能？

在talos支持 GPU 并行化的同时，如何扩展 Scan 对象以支持 CPU + GPU 并行化？