[英]Weights&Biases Sweep Keras K-Fold Validation
我在 Keras 中使用基於雲的權重和偏差掃描。所以首先我在 W&B 項目中創建一個新的掃描,其配置如下:
description: LSTM Model
method: random
metric:
goal: maximize
name: val_accuracy
name: LSTM-Sweep
parameters:
batch_size:
distribution: int_uniform
max: 128
min: 32
epochs:
distribution: constant
value: 200
node_size1:
distribution: categorical
values:
- 64
- 128
- 256
node_size2:
distribution: categorical
values:
- 64
- 128
- 256
node_size3:
distribution: categorical
values:
- 64
- 128
- 256
node_size4:
distribution: categorical
values:
- 64
- 128
- 256
node_size5:
distribution: categorical
values:
- 64
- 128
- 256
num_layers:
distribution: categorical
values:
- 1
- 2
- 3
optimizer:
distribution: categorical
values:
- Adam
- Adamax
- Adagrad
path:
distribution: constant
value: "./path/to/data/"
program: sweep.py
project: SLR
我的sweep.py
文件看起來像這樣:
# imports
init = wandb.init(project="my-project", reinit=True)
config = wandb.config
def main():
skfold = StratifiedKFold(n_splits=5,
shuffle=True, random_state=7)
cvscores = []
group_id = wandb.util.generate_id()
X,y = # load data
i = 0
for train, test in skfold.split(X,y):
i=i+1
run = wandb.init(group=group_id, reinit=True, name=group_id+"#"+str(i))
model = # build model
model.fit([...], WandBCallback())
cvscores.append([...])
wandb.join()
if __name__ == "__main__":
main()
使用 sweep.py 文件夾中的sweep.py
wandb agent
命令啟動它。
我對這個設置的體驗是,第一次 wandb.init() 調用初始化了一個新的運行。 好的,我可以刪除它。 但是當第二次調用 wandb.init() 時,它似乎忘記了它正在運行的掃描。在線掃描中列出了一個空運行(因為第一次 wandb.init() 調用),所有其他運行在項目中列出,但不在掃描中。
我的目標是運行 k 折交叉驗證的每一折。 至少我認為這是這樣做的正確方法。 是否有不同的方法將掃描與 keras k 折交叉驗證結合起來?
我們整理了一個如何完成 k 折交叉驗證的示例:
https://github.com/wandb/examples/tree/master/examples/wandb-sweeps/sweeps-cross-validation
該解決方案需要對 wandb 庫進行一些扭曲,以代表啟動的掃描作業生成多個作業。
基本思想是:
sweep_run
的運行。可以在此處看到掃描和 k 折分組的示例可視化:
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.