深度学习optuna框架实现自动调参
文章发布时间:
最后更新时间:
文章总字数:
页面浏览: 加载中...
最后更新时间:
文章总字数:
363
页面浏览: 加载中...
Optuna
自动调参
适用场景:单卡,多卡均适合;留给机器寻参的时间足够充裕;机器资源足够,单次寻参的时间不会过长。
基本概念与安装
深度学习中,调参是实验中一个很重要的环节。一般情况下,调参的流程都是手动设置一组超参数,放到机器上面运行结果,然后根据结果好坏再重新凭经验设计一组新的超参数组合。然而当需要调参的超参数组合很多时,常见的调参方法如网格搜索因耗时过长使得调参变得漫长而繁琐。
Optuna
作为调参工具,目的在于使用贝叶斯优化搜索的过程,使得可以根据当前超参数组合的结果选择下一组合适的超参数组合,更快接近最优的超参组合,避免手动设计的繁琐与漫长。
Study
:就是一个研究对象,这个研究对象有多组可能的超参数组合。Trial
:一次实验,对应一组超参数组合,一个Study
包含多个Trial
。Objective Function
:目标函数,用于定义需要优化的任务。Optuna
将会调用这个函数来评估不同的超参数组合。Sampler
:用于生成超参数的策略。默认的TPESampler
使用树结构的Parzen
估计(TPE
)算法进行优化。Pruner
:
打赏
支付宝 | Alipay
微信 | Wechat