В TFMA или TFX пока нет встроенного компонента, доступного для настройки гиперпараметра.Тем не менее, есть встроенные библиотеки, доступные в Tensorflow.Насколько мне известно, есть 2 способа сделать это.
- Настройка гиперпараметра и его визуализация в Tensorboard для TF версии 2.0, упомянутая greeness выше.
Фрагмент кода с неполным кодом показан ниже:
HP_NUM_UNITS = hp.HParam('num_units', hp.Discrete([16, 32]))
HP_DROPOUT = hp.HParam('dropout', hp.RealInterval(0.1, 0.2))
HP_OPTIMIZER = hp.HParam('optimizer', hp.Discrete(['adam', 'sgd']))
METRIC_ACCURACY = 'accuracy'
with tf.summary.create_file_writer('logs/hparam_tuning').as_default():
hp.hparams_config(hparams=[HP_NUM_UNITS, HP_DROPOUT, HP_OPTIMIZER],
metrics=[hp.Metric(METRIC_ACCURACY, display_name='Accuracy')],)
Для получения более подробной информации см. Эту ссылку: https://www.tensorflow.org/tensorboard/r2/hyperparameter_tuning_with_hparams
Гиперпараметрическая настройка с использованием
TF.Estimator
.Мы можем установить
params
аргумент
Estimator
в качестве словаря с ключами в качестве имен гиперпараметров и значений в качестве их соответствующих значений.Для получения дополнительной информации см. Ссылку ниже.
https://www.tensorflow.org/api_docs/python/tf/estimator/Estimator#init
и
https://github.com/tensorflow/tensorflow/blob/1bf6646b871d0ce601715f8ed2f50430ca504da7/tensorflow/contrib/training/python/training/hparam.py#L310