如何通过 Keras Tuner 函数传递多个参数答案

【问题标题】：How do I pass multiple arguments through Keras Tuner Function如何通过 Keras Tuner 函数传递多个参数
【发布时间】：2020-12-25 06:25:10
【问题描述】：

我很难弄清楚如何通过 keras 调谐器函数传递多个参数。我查看了所有 available documentation 以及与此相关的问题，但我找不到任何针对此特定问题的信息。

我只是希望能够通过这个函数传递额外的参数：

def build_model(hp, some_val_1, some_val_2)

整体代码（简体）：

import kerastuner as kt

def build_model(hp, some_val_1, some_val_2):
    print(some_val_1)
    print(some_val_2)
    
    conv1d_val_1 = hp.Int("1-input_units", min_value=32, max_value=1028, step=64)
    conv1d_filt_1 = hp.Int("1b-filter_units", min_value=2, max_value=10, step=1)
    model.add(Conv1D(conv1d_val_1, conv1d_filt_1, activation='relu', input_shape=input_shape, padding='SAME'))
    model.add(Dense(1))
    model.compile(loss='mae', optimizer='adam')
    return model

model = kt.Hyperband(build_model, objective="val_loss", max_epochs = 10, factor = 3, directory=os.path.normpath(path_save_dir))
model.search(x=x_train, y=y_train, epochs=10, batch_size=500, validation_data=(x_test, y_test), shuffle=True)

尝试 #1（我尝试了很多变体） - 不起作用：

model = kt.Hyperband(build_model(kt.HyperParameters(), some_val_1, some_val_2), objective="val_loss", max_epochs = 10, factor = 3, directory=os.path.normpath(path_save_dir))

尝试 #2（我尝试了很多变体） - 不起作用：

model = kt.Hyperband(build_model, some_val_1='1', some_val_2='2',objective="val_loss", max_epochs = 10, factor = 3, directory=os.path.normpath(path_save_dir))

尝试 #3（我尝试了很多变体） - 不起作用：

model = kt.Hyperband(build_model, args=(some_val_1, some_val_2,),objective="val_loss", max_epochs = 10, factor = 3, directory=os.path.normpath(path_save_dir))

请发送帮助

【问题讨论】：

标签： python tensorflow keras arguments parameter-passing

【解决方案1】：

您可以创建自己的 HyperModel 子类来实现这一点，请查看link。

示例实现，它将做你想做的事情：-

import kerastuner as kt

class MyHyperModel(kt.HyperModel):

    def __init__(self, some_val_1, some_val_2):
        self.some_val_1 = some_val_1
        self.some_val_2 = some_val_2

    def build(self, hp):
        ## You can use self.some_val_1 and self.some_val_2 here
        conv1d_val_1 = hp.Int("1-input_units", min_value=32, max_value=1028, step=64)
        conv1d_filt_1 = hp.Int("1b-filter_units", min_value=2, max_value=10, step=1)
        model.add(Conv1D(conv1d_val_1, conv1d_filt_1, activation='relu', input_shape=input_shape, padding='SAME'))
        model.add(Dense(1))
        model.compile(loss='mae', optimizer='adam')
        
        return model

some_val_1 = 10
some_val_2 = 20
my_hyper_model = MyHyperModel(some_val_1 = some_val_1, some_val_2 = some_val_2)
model = kt.Hyperband(my_hyper_model, objective="val_loss", max_epochs = 10, 
                     factor = 3, directory=os.path.normpath(path_save_dir))

【讨论】：