Question

例如，使用size_type时，必须将实验配置中的所有变量传递到主函数中，例如

Sacred

如您所见，在此实验中，有两个变量ex = Experiment('iris_rbf_svm') @ex.config def cfg(): C = 1.0 gamma = 0.7 @ex.automain def run(C, gamma): iris = datasets.load_iris() per = permutation(iris.target.size) iris.data = iris.data[per] iris.target = iris.target[per] clf = svm.SVC(C, 'rbf', gamma=gamma) clf.fit(iris.data[:90], iris.target[:90]) return clf.score(iris.data[90:], iris.target[90:])和C，并将它们传递到主函数中。

在实际场景中，有数十个实验变量，将它们全部传递到主函数中确实很混乱。有没有办法将它们全部作为字典传递？还是作为具有属性的对象？

好的解决方案将导致如下结果：

gamma

Answer 1

我能找到的最优雅的解决方案

τ1

Answer 2

是的，您可以为此使用special value _config值：

ex = Experiment('iris_rbf_svm')

@ex.config
def cfg():
  C = 1.0
  gamma = 0.7

@ex.automain
def run(_config):
  C = _config['C']
  gamma = _config['gamma']

Answer 3

git存储库中有一个相关示例： https://github.com/IDSIA/sacred/blob/master/examples/08_less_magic.py

您可以直接指定字典（无需创建修饰功能）

from sacred import Experiment
from sacred.observers import FileStorageObserver
from sklearn import svm, datasets, model_selection

ex = Experiment("svm")

ex.add_config(
    {  # Configuration is explicitly defined as dictionary.
        "C": 1.0,
        "gamma": 0.7,
        "kernel": "rbf",
        "seed": 42,
    }
)

并按以下方式使用它：

def get_model(C, gamma, kernel):
    return svm.SVC(C=C, kernel=kernel, gamma=gamma)


@ex.main  # Using main, command-line arguments will not be interpreted in any special way.
def run(_config):
    X, y = datasets.load_breast_cancer(return_X_y=True)
    X_train, X_test, y_train, y_test = model_selection.train_test_split(
        X, y, test_size=0.2
    )
    clf = get_model(
        _config["C"], _config["gamma"], _config["kernel"]
    )  # Parameters are passed explicitly.
    clf.fit(X_train, y_train)
    return clf.score(X_test, y_test)


if __name__ == "__main__":
    ex.run()

神圣-将所有参数作为一个传递

3 个答案: