tensorflow - 如何在超参数调优期间最好地保存模型并编写摘要?
问题描述
在超参数调整期间,为每次运行保存模型和写入会话的最佳方法是什么?目前我有一堆模型和摘要保存在“训练”和“验证”目录下,我不知道哪个是从哪个超参数生成的。也很难确定哪个模型为验证集生成了最佳结果。
张量板图看起来相当混乱。是否有一种干净的方式来记录和检查运行(来自超参数调整)?我不知道的任何技巧或方法使它变得容易?或者你们会推荐使用mlflow、comet 等。提前致谢!
解决方案
我没有使用您提到的任何工具,但这是我实现超参数和结果记录的方式。
只需pandas DataDrame
使用超参数名称和值创建一个甚至是基本字典。在相同的数据结构中,添加使用这些超参数值获得的性能指标。这样,参数和度量可以相互关联。
然后将其保存为CSV
文件,以后可以加载并用于分析和可视化目的。
关于模型本身,可以在名称中添加一个标识符,该名称可以与特定的超参数组合相关联。
这是一种简单、不复杂的方法,但对我有用。
推荐阅读
- sorting - 定义一个自定义的 sortperm 函数
- apache-kafka - 每个主题级别的 Kafka 配置 replica.fetch.max.bytes
- reactive-programming - 结合扫描和网络请求来更新 RxSwift 中的模型
- makefile - Makefile 目标的开始和结束
- python - 将 Python 与 venv 和 PyCharm 一起使用
- javascript - 如何获得原始数据文件的链接?
- r - 从R中的生存对象中提取生存时间向量
- pattern-matching - 是否可以在 Ltac-match 中绑定不同的术语?
- scala - IntelliJ 下载库一次并在多个项目中使用
- spring - 带有thymeleaf的Spring表单没有绑定权,抛出异常:参数为null