Tensorflow: قم بتمرير معلمات بحث الشبكة إلى نموذج TensorFlowEstimator المخصص

GridSearchCV هي طريقة رائعة لاختبار وتحسين المعلمات الفائقة تلقائيًا. أستخدمه مع TensorFlowEstimator لتحسين معدل التعلم وحجم الدُفعة ... إلخ. ستكون إضافة رائعة إذا كان بإمكاني أيضًا استخدامها لتخصيص معلمات أخرى في نموذجي المخصص.

على سبيل المثال ، لنفترض أن لديّ نموذجًا مخصصًا مع convnet وأريد تحسين قيمة الخطوة. يشرح هذا الرمز الزائف ما أحاول تحقيقه.

لقد استخدمت إدخال "معلمات" مخصص لوظيفة النموذج كمثال فقط ، لا للإشارة إلى أن هذه هي بالضرورة الطريقة الصحيحة لتنفيذ هذه الميزة.

# My custom model. 
# Feature request: New params dict with values filled by GridSearchCV
def cnn_model(X, Y, params):
  stride = params['stride']
  ... custom model definition here ...

# Create the Convnet classifier
cnn_classifier = learn.TensorFlowEstimator(model_fn=cnn_model)

# Grid search on different stride values.
parameters = {'stride': [1, 2, 3],}
grid_searcher = GridSearchCV(cnn_classifier, parameters)
grid_searcher.fit(X, Y)