通过keras模型进行HP调优，并将hyperparameterMetric设置为评估指标，而不是训练指标

Question

关于使用GCP进行超参数调整。 使用估计器，我可以轻松地将所需的hyperparameterMetric设置为评估数据上的适当度量。但是我不知道如何为keras（tf.keras和keras）模型做到这一点？

我的意思是我可以在哪里“分配”正确的指标？我需要hyperparameterMetric作为评估数据的指标。

编辑：

model.fit返回一个像这样的字典：

{'acc': [0.9843952109499714],
 'loss': [0.050826362343496051],
 'val_acc': [0.98403786838658314],
 'val_loss': [0.0502210383056177]
}

如果我仅在配置文件中将所需的验证指标设置为“ val_acc”，那么GCP是否可以正常工作？

Answer 1

1. 您必须使用tensorboard的keras回调
2. 将前缀“ epoch_”用于ParameterMetricTag = epoch_val_acc，以确保验证准确性，并使用ParameterMetricTag = epoch_acc，以用于培训准确性。