Tensorflow: TensorFlowEstimator 커스텀 모델에 그리드 검색 매개변수 전달

GridSearchCV는 하이퍼 매개변수를 자동으로 테스트하고 최적화하는 좋은 방법입니다. TensorFlowEstimator와 함께 사용하여 learning_rate, batch_size 등을 최적화합니다. 내 사용자 지정 모델의 다른 매개변수를 사용자 지정하는 데 사용할 수도 있다면 큰 도움이 될 것입니다.

예를 들어 convnet이 있는 사용자 지정 모델이 있고 보폭 값을 최적화하려고 한다고 가정해 보겠습니다. 이 의사 코드 는 내가 달성하려는 것을 설명합니다.

모델 함수에 대한 사용자 지정 "params" 입력을 예제로 사용했으며 이것이 반드시 이 기능을 구현하는 올바른 방법임을 의미하지는 않습니다.

# 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)