【文件属性】：
文件名称：hypersearch:PyTorch的超参数优化
文件大小：725KB
文件格式：ZIP
更新时间：2021-05-14 19:47:27
deep-learning pytorch hyperparameter-optimization tuning-parameters hyperband
使用HyperSearch调整PyTorch模型的超参数。
要求
Python 3.5+
0.4+
tqdm
原料药
注意：我们目前仅支持FC网络。 ConvNet支持即将推出！
使用以下命令安装要求：
pip install -r requirements.txt
在model.py定义模型。 这应该返回一个nn.Sequential对象。 注意最后一层，即使用nn.LogSoftmax()与nn.Softmax()将需要对训练方法进行可能的更改。 例如，让我们定义如下的4层FC网络：
Sequential(
(0): Linear(in_features=784, out_features=512)
(1): ReLU()
(2): Linear(in_features=512, out_features=256)
(3): ReLU()
(4): L
【文件预览】：
hypersearch-master
----.gitignore(1KB)
----README.md(5KB)
----config.py(3KB)
----notes.md(6KB)
----LICENSE(1KB)
----data_loader.py(4KB)
----utils.py(2KB)
----main.py(1KB)
----model.py(396B)
----proofs()
--------proof1.pdf(42KB)
----requirements.txt(4B)
----results()
--------20180607_193301_results.json(1KB)
----hyperband.py(22KB)
----assets()
--------envelope.png(266KB)
--------logo.png(178KB)
--------res.png(259KB)