python - hyperas optim 中的 max eval 参数最小化函数返回什么？

Question

我正在尝试使用 Hyperas 调整参数，但我无法解释有关它的一些细节。

Q1) optim.minimize 中的 max_eval 参数是做什么用的？

Q2) 它是否针对每个 max_eval 遍历每个参数组合并根据最佳参数给我最佳损失？

Q3) 如果我给 max_eval = 5 会怎样？

Q4) 完成所有 max_evals 后 best_run 和 best_model 返回什么？

Q5) 在模型函数下，我将损失作为 -test_acc 返回，它与调整参数有什么关系，为什么我们在那里使用负号？

def model(x_train, y_train, x_test, y_test):    

    dense_units1 = {{choice([64, 126, 256, 512])}}
    activations = {{choice(['relu', 'sigmoid'])}}

    epochs  = 100
    verbose = 0

    model = Sequential([
        # layer 1
        Dense(dense_units1, activations, input_shape=(784,)),
               ....
               ....
               ....

    ])
    # compiling model
    model.compile(optimizers, loss='categorical_crossentropy', metrics=['accuracy'])
    # fitting the model
    result = model.fit(x_train, y_train, validation_split=0.2, batch_size=batch_size, 
                        epochs=epochs, verbose=verbose, callbacks=[ES, MC])

    test_loss, test_acc = model.evaluate(x_test, y_test, batch_size=512)

    return {'loss': -test_acc, 'status': STATUS_OK, 'model': model}

best_run, best_model = optim.minimize(model=model, data=dataset, algo=tpe.suggest, 
                                       max_evals=5, 
                                      trials=Trials(), notebook_name='MNIST', 
                                      verbose=True)

Answer 1

1. max_eval 参数只是优化运行的最大次数。 (例如，如果 max_evals = 5，Hyperas 将选择不同的超参数组合 5 次，并针对您选择的 epoch 数量运行每个组合)

2. 不，它将为每个 max_eval 通过一种超参数组合。超参数的最佳组合是在完成您在 max_eval 参数中给出的所有评估之后。

3. 在第一季度回答。

4. 在这种情况下，best_model 和 best_run 将返回相同的结果。您应该将此添加到您的代码中:

   print('Best performing model chosen hyper-parameters:')
   print(best_run)
   

   这将从它进行的所有运行中打印最佳超参数。