Tensorflow中使用gridsearch

1 使用tf.contrib.learn.estimators

使用tf中自带的Estimator将自定义的tf模型转换成估计器,输入到sklearn中的gridesearch运行。

# 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)

可能的报错
WARNING:tensorflow:Using temporary folder as model directory: C:\Users\piting.pt\AppData\Local\Temp\tmpufiz6_ts

[Pass grid search params to TensorFlowEstimator custom model #2030 ]

这种方式需要使用到tf.contrib.learn中的estimators,比较麻烦。未测试出来。

[Creating Estimators in tf.contrib.learn ]

2 直接将自定义的模型修改成具有sklearn中estimators的功能

from: -柚子皮-

ref:

Tensorflow:模型调参相关推荐

  1. python网格搜索核函数_机器学习笔记——模型调参利器 GridSearchCV(网格搜索)参数的说明...

    算法 数据结构 机器学习笔记--模型调参利器 GridSearchCV(网格搜索)参数的说明 GridSearchCV,它存在的意义就是自动调参,只要把参数输进去,就能给出最优化的结果和参数.但是这个 ...

  2. ML之XGBoost:利用XGBoost算法对波士顿数据集回归预测(模型调参【2种方法,ShuffleSplit+GridSearchCV、TimeSeriesSplitGSCV】、模型评估)

    ML之XGBoost:利用XGBoost算法对波士顿数据集回归预测(模型调参[2种方法,ShuffleSplit+GridSearchCV.TimeSeriesSplitGSCV].模型评估) 目录 ...

  3. DL之模型调参:深度学习算法模型优化参数之对LSTM算法进行超参数调优

    DL之模型调参:深度学习算法模型优化参数之对LSTM算法进行超参数调优 目录 基于keras对LSTM算法进行超参数调优 1.可视化LSTM模型的loss和acc曲线

  4. DL之模型调参:深度学习算法模型优化参数之对深度学习模型的超参数采用网格搜索进行模型调优(建议收藏)

    DL之模型调参:深度学习算法模型优化参数之对深度学习模型的超参数采用网格搜索进行模型调优(建议收藏) 目录 神经网络的参数调优 1.神经网络的通病-各种参数随机性 2.评估模型学习能力

  5. 炼丹神器!模型调参这门“玄学”,终于被破解了

    吃一个苹果要几步?这对普通人来说,是一件很简单的事. 那么AI模型调参需要几步呢?调参是机器学习中至关重要的一环,因其复杂性而被称之为一门"玄学".这对开发小白和AI专业算法工程师 ...

  6. AIRec个性化推荐召回模型调参实战

    简介:本文是<AIRec个性化推荐召回模型调参实战(电商.内容社区为例)>的视频分享精华总结,主要由阿里巴巴的产品专家栀露向大家分享AIRec个性化推荐召回模型以及针对这些召回模型在电商和 ...

  7. 大数据预测实战-随机森林预测实战(四)-模型调参

    之前对比分析的主要是数据和特征层面,还有另一部分非常重要的工作等着大家去做,就是模型调参问题,在实验的最后,看一下对于树模型来说,应当如何进行参数调节. 调参是机器学习必经的一步,很多方法和经验并不是 ...

  8. Kaggle泰坦尼克号生存预测挑战——模型建立、模型调参、融合

    Kaggle泰坦尼克号生存预测挑战 这是kaggle上Getting Started 的Prediction Competition,也是比较入门和简单的新人赛,我的最好成绩好像有进入top8%,重新 ...

  9. 模型调参之网格搜索与随机搜索

    模型调参之网格搜索与随机搜索 网格搜索法(GridSearchCV) GridSearchCV:GridSearchCV可以拆分成GridSearch和CV两部分,即网格搜素和交叉验证.GridSea ...

  10. ML之R:通过数据预处理利用LiR/XGBoost等(特征重要性/交叉训练曲线可视化/线性和非线性算法对比/三种模型调参/三种模型融合)实现二手汽车产品交易价格回归预测之详细攻略

    ML之R:通过数据预处理利用LiR/XGBoost等(特征重要性/交叉训练曲线可视化/线性和非线性算法对比/三种模型调参/三种模型融合)实现二手汽车产品交易价格回归预测之详细攻略 目录 三.模型训练 ...

最新文章

  1. python代码统计字符串中大写字符、小写字符、特殊字符以及数值字符出现的次数
  2. flask 获取网址
  3. Unity3D脚本中文系列教程(七)
  4. learn python the hard way习题31~40总结以及列表的扩展知识
  5. 用offset调用文章
  6. .NET Core微服务之路:让我们对上一个Demo通讯进行修改,完成RPC通讯
  7. java if在内存中_java如何将对象暂存到内存中?
  8. 中getname_浅析JS中的class
  9. 【linux系统编程】linux用户及权限管理
  10. 快速提高看盘能力的十大方法
  11. vscode在vue页面中书写代码没有提示!怎么破?
  12. 斑能不能彻底去掉_鸡脖、猪脖子上有淋巴结,会有大量毒素、病菌?还能不能放心吃?...
  13. 打开catia界面全是白色怎么办_别输在细节上!CATIA零件表面写字技巧
  14. 如何点亮或者关闭EMC VMAX的磁盘指示灯
  15. 速率bps(kbps、Mbps)和每秒字节传输B/s(KB/s、MB/s)的关系如下
  16. 关于Spring容器中定时器到时执行会出现两个线程同时执行的问题
  17. 突破技术发展瓶颈、成功转型的重要因素
  18. YUV420P、YUV420SP、NV12、NV21和RGB互相转换并存储为JPEG以及PNG图片
  19. k8s部署-48-k8s中如何选择使用哪个api,开发一个k8s的容器管理平台的思路是什么?
  20. 为什么Integer a=100,b=100时候a==b返回true,而Integer c=1000,d=1000时候c==d返回false

热门文章

  1. Linux操作系统中vi常见用法和相关配置
  2. 洛谷 P3804 【模板】后缀自动机 统计单词出现次数
  3. NOIp2018集训test-9-17(pm)
  4. 【纪念】我的大学同学名单
  5. SQL ISNULL 函数
  6. 1,SFDC 开发篇 - 类对象和SOQL查询
  7. MD5加密,Base64加密/解密,AES加密/解密
  8. 微软提出Layout,多模态任务也有预训练模型啦
  9. EMNLP'21中预训练模型最新研究进展
  10. 腾讯、百度、滴滴最新NLP算法面经