GridSearchCV๋ ํ์ดํผ ๋งค๊ฐ๋ณ์๋ฅผ ์๋์ผ๋ก ํ ์คํธํ๊ณ ์ต์ ํํ๋ ์ข์ ๋ฐฉ๋ฒ์ ๋๋ค. TensorFlowEstimator์ ํจ๊ป ์ฌ์ฉํ์ฌ learning_rate, batch_size ๋ฑ์ ์ต์ ํํฉ๋๋ค. ๋ด ์ฌ์ฉ์ ์ง์ ๋ชจ๋ธ์ ๋ค๋ฅธ ๋งค๊ฐ๋ณ์๋ฅผ ์ฌ์ฉ์ ์ง์ ํ๋ ๋ฐ ์ฌ์ฉํ ์๋ ์๋ค๋ฉด ํฐ ๋์์ด ๋ ๊ฒ์ ๋๋ค.
์๋ฅผ ๋ค์ด convnet์ด ์๋ ์ฌ์ฉ์ ์ง์ ๋ชจ๋ธ์ด ์๊ณ ๋ณดํญ ๊ฐ์ ์ต์ ํํ๋ ค๊ณ ํ๋ค๊ณ ๊ฐ์ ํด ๋ณด๊ฒ ์ต๋๋ค. ์ด ์์ฌ ์ฝ๋ ๋ ๋ด๊ฐ ๋ฌ์ฑํ๋ ค๋ ๊ฒ์ ์ค๋ช ํฉ๋๋ค.
๋ชจ๋ธ ํจ์์ ๋ํ ์ฌ์ฉ์ ์ง์ "params" ์ ๋ ฅ์ ์์ ๋ก ์ฌ์ฉํ์ผ๋ฉฐ ์ด๊ฒ์ด ๋ฐ๋์ ์ด ๊ธฐ๋ฅ์ ๊ตฌํํ๋ ์ฌ๋ฐ๋ฅธ ๋ฐฉ๋ฒ์์ ์๋ฏธํ์ง๋ ์์ต๋๋ค.
# 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)
TODO ๋ชฉ๋ก์ ์์ต๋๋ค. ํ์ดํผ ๋งค๊ฐ๋ณ์๋ฅผ ๋ชจ๋ธ์ ์ ๋ฌํ๋ ์ผ๋ฐ์ ์ธ ๋ฐฉ๋ฒ์ ์ฌ์ฉํ๋ ๋ฐฉ๋ฒ์ ์์๋ด๋ ค๊ณ ํฉ๋๋ค.
@ilblackdragon ์ด์ ๋ํ ์ ๋ฐ์ดํธ๊ฐ ์์ต๋๊น?
๋ชจ๋ธ ํจ์์ params
์ธ์๊ฐ ์์ต๋๋ค. TensorFlowEstimator
๋ ๋ ์ด์ ์ฌ์ฉ๋์ง ์์ต๋๋ค. params
์ธ์๋ฅผ ์ฌ์ฉํ๋ Estimator
๋ฅผ ์ฌ์ฉํ์ธ์. ์ด๊ฒ์ ์ง๊ธ ์๋ํด์ผ ํฉ๋๋ค. ์๋ํ์ง ์์ผ๋ฉด ๋ค์ ์ฌ์ญ์์ค.
๊ฐ์ฅ ์ ์ฉํ ๋๊ธ
@ilblackdragon ์ด์ ๋ํ ์ ๋ฐ์ดํธ๊ฐ ์์ต๋๊น?