使用yacs库配置神经网络的超参数
<!--一个博主专栏付费入口结束-->
<link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-d284373521.css">
<link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-d284373521.css">
<div class="htmledit_views" id="content_views">
<h2><a name="t0"></a>简介:</h2>
YACS是一个轻量级库,用于定义和管理系统配置,例如那些在为科学实验设计的软件中常见的配置。这些“配置”通常涵盖诸如用于训练机器学习模型的超参数或可配置模型超参数(诸如卷积神经网络的深度)之类的概念。 由于您正在进行科学研究,因此重复性至关重要,因此您需要一种可靠的方法来序列化实验配置。 YACS使用YAML作为简单的,人类可读的序列化格式。范式是:your code + a YACS config for experiment E (+ external dependencies + hardware + other nuisance terms ...) = reproducible experiment E。虽然您可能无法控制所有内容,但至少可以控制代码和实验配置。 YACS随时为您提供帮助。
用法
YACS可以以各种灵活的方式使用。主要范例有两种:
- 配置为局部变量 (local variable)
- 配置为全局单例(global singleton)
你可以根据自己的需要选择使用哪一种模式,但我们推荐你使用local variable模式。
要在项目中使用YACS,首先要创建一个项目配置文件,通常称为config.py或defaults.py。 此文件是所有可配置选项的一站式参考点。 它应该有很好的文档记录,并为所有选项提供合理的默认值。
最后,您可以在你的实际项目代码使用配置。 在初始设置之后,最好通过调用freeze()方法将配置冻结以防止进一步修改。 如下图所示,配置选项可以通过导入cfg并直接访问它来使用全局选项集(globle singleton模式),或者可以复制cfg并将其作为参数传递(local variable模式)。
-
# my_project/main.py
-
-
import my_project
-
from config
import get_cfg
# local variable usage pattern, or:
-
# from config import cfg # global singleton usage pattern
-
-
-
if __name__ ==
"__main__":
-
cfg = get_cfg_defaults()
-
cfg.merge_from_file(
"experiment.yaml")
-
cfg.freeze()
-
print(cfg)
-
-
# Example of using the cfg as global access to options
-
if cfg.SYSTEM.NUM_GPUS >
0:
-
my_project.setup_multi_gpu_support()
-
-
model = my_project.create_model(cfg)
命令行重写
您也可以使用完全限定的键值对列表来更新CfgNode。 这样可以轻松地从命令行使用覆盖选项。 例如:
-
cfg.merge_from_file(
"experiment.yaml")
-
# Now override from a list (opts could come from the command line)
-
opts = [
"SYSTEM.NUM_GPUS",
8,
"TRAIN.SCALES",
"(1, 2, 3, 4)"]
-
cfg.merge_from_list(opts)
建议采用以下原则:“相同的配置选项只使用一种方法。” 这个原则意味着如果在YACS配置对象中定义了一个选项,那么你的程序应该使用cfg.merge_from_list(opts)设置该配置选项,而不是通过定义--train-scales作为命令行参数来实现。 然后用来设置cfg.TRAIN.SCALES。