Auto-Keras API详解（4）——DeepSupervised类

（一）前 言

DeepSupervised类是Auto-Keras中用于一个训练的基类，这一节我们将详细介绍它的主要方法和各项参数的意义。

（二）方法详解

（1）init方法

init方法用于初始化实例，当‘resume’参数为True时，分类器将会从‘path’中加载，否则就会创建一个新的模型。

• 参数列表：
  • verbose：
    一个布尔值决定了网络的搜索过程是否会被打印至输出设备
  • path：
    一个字符串，中间结果的存储位置
  • resume：
    一个布尔值，当为‘True’时，模型会从存储在path目录下的模型继续搜索，如果为‘False’，则会开始一个新的搜索。
  • searcher_args ：
    一个包含了搜索器初始化函数参数的字典

（2）final_fit方法

final_fit方法用于找到最优网络后做最后的训练。

• 参数列表：
  • x：
    一个Numpy数组的实例，包含了训练数据或者是训练数据与验证数据结合的数据
  • y：
    一个Numpy数组的实例，包含了训练数据的标签或者是训练标签与验证标签结合的数据
  • x_test：
    一个Numpy数组，包含了测试数据
  • y_test ：
    一个Numpy数组，包含了测试数据的标签
  • trainer_args：
    一个包含了ModelTrainer结构参数的字典
  • retrain：
    一个布尔值，用来决定是否重新初始化模型的权重参数

（3）export_keras_model方法

用来导出Auto-Keras训练好的模型

（4）predict方法

predict方法用来测试数据的预测值。

• 参数列表：
  • x_test：
    一个Numpy数组，包含了测试数据

（5）evaluate方法

evaluate方法用来在预测值和实际值之间评估模型的精度。

• 参数列表：
  • x_test：
    一个Numpy数组，包含了测试数据
  • y_test ：
    一个Numpy数组，包含了测试数据的标签

（三）总 结

在这一节中，我们介绍了DeepSupervised类的相关方法，有任何的问题请在评论区留言，我会尽快回复，谢谢支持！