Keras Tuner官方教程
import tensorflow as tf
from tensorflow import keras
Install and import the Keras Tuner.
pip install -q -U keras-tuner
import kerastuner as kt
下载准备数据集
Fashion MNIST dataset.
(img_train, label_train), (img_test, label_test) = keras.datasets.fashion_mnist.load_data()
标准化 像素到0-1
# Normalize pixel values between 0 and 1
img_train = img_train.astype('float32') / 255.0
img_test = img_test.astype('float32') / 255.0
定义模型
定义hypermodel 的两种方式
- 模型构建器函数( model builder function )
- 您还可以使用两个预定义的HyperModel类—HyperXception和HyperResNet用于计算机视觉应用程序。
在本教程中,您将使用模型构建器函数( model builder function )来定义图像分类模型。模型构建器函数返回一个已编译的模型,并使用内联定义的超参数对模型进行超调。
# 构建模型,传入hp参数,使用其定义需要优化的参数范围,构成参数空间
def model_builder(hp):
model = keras.Sequential()
model.add(keras.layers.Flatten(input_shape=(28, 28)))
# Tune the number of units in the first Dense layer
# Choose an optimal value between 32-512
hp_units