我想调整keras
模型上的超参数,我正在探索我手边的替代品。第一个也是最明显的一个是使用scikit-learn
包装器,如此处所示(https://keras.io/scikit-learn-api/),从而能够使用scikit-learn
worflow中的所有烦人的东西,但我也在这里看到了这个包(https://github.com/autonomio/talos)看起来非常有希望并且最有可能提高速度。
如果有人同时使用它们,有人会指出我更好的解决方案(灵活性,速度,功能)吗? sklearn
工作流程pipeline
和自定义估算工具提供了灵活的世界,但是talos似乎更直接针对keras,因此它必须产生一些优势(我猜他们不会创建一个新的独立包)我无法看到(这里突出显示了一些好处https://github.com/autonomio/talos/blob/master/docs/roadmap.rst,但scikit-learn
框架中似乎已充分涵盖了这些问题)
任何见解?
答案 0 :(得分:1)
个人意见:
训练/有效/测试分割比深度学习的交叉验证更好。 (k培训费用太高)
随机搜索是开始探索超参数的一种好方法,因此自己编写代码并不是很难,但是talos或者hyperas(非常有名)可能会有所帮助。