टेन्सरफ्लो क्लाउड ट्यूनर गाइड

यह मॉड्यूल क्या है?

tuner एक मॉड्यूल है जो व्यापक tensorflow_cloud का हिस्सा है। यह मॉड्यूल हाइपरपैरामीटर ट्यूनिंग के लिए एक लाइब्रेरी का कार्यान्वयन है जो केराट्यूनर पर बनाया गया है और हाइपरपैरामीटर के सुझाव प्राप्त करने और परीक्षण चलाने के लिए बैकएंड के रूप में क्लाउड एआई प्लेटफ़ॉर्म विज़ियर के साथ एक सहज एकीकरण बनाता है।

tuner मॉड्यूल हाइपरपैरामीटर के सुझाव प्राप्त करने और परीक्षण चलाने के लिए बैकएंड के रूप में क्लाउड एआई प्लेटफ़ॉर्म विज़ियर के साथ एक सहज एकीकरण बनाता है।

from tensorflow_cloud import CloudTuner
import kerastuner
import tensorflow as tf

(x, y), (val_x, val_y) = tf.keras.datasets.mnist.load_data()
x = x.astype('float32') / 255.
val_x = val_x.astype('float32') / 255.

def build_model(hp):
    model = tf.keras.Sequential()
    model.add(tf.keras.layers.Flatten(input_shape=(28, 28)))
    for _ in range(hp.get('num_layers')):
        model.add(tf.keras.layers.Dense(units=64, activation='relu'))
    model.add(tf.keras.layers.Dense(10, activation='softmax'))
    model.compile(
        optimizer=tf.keras.optimizers.Adam(lr=hp.get('learning_rate')),
        loss='sparse_categorical_crossentropy',
        metrics=['accuracy'])
    return model

# Configure the search space
HPS = kerastuner.engine.hyperparameters.HyperParameters()
HPS.Float('learning_rate', min_value=1e-4, max_value=1e-2, sampling='log')
HPS.Int('num_layers', 2, 10)

# Instantiate CloudTuner
hptuner = CloudTuner(
    build_model,
    project_id=PROJECT_ID,
    region=REGION,
    objective='accuracy',
    hyperparameters=HPS,
    max_trials=5,
    directory='tmp_dir/1')

# Execute our search for the optimization study
hptuner.search(x=x, y=y, epochs=10, validation_data=(val_x, val_y))

# Get a summary of the trials from this optimization study
hptuner.results_summary()

अधिक संपूर्ण उदाहरण के लिए यह चलने योग्य नोटबुक देखें।