parameter_expressions Módulo
Define funciones que se pueden usar en HyperDrive para describir un espacio de búsqueda de hiperparámetros.
Estas funciones se usan para especificar diferentes tipos de distribuciones de hiperparámetros. Las distribuciones se definen al configurar el muestreo para un barrido de hiperparámetros. Por ejemplo, cuando se usa la clase RandomParameterSampling, puede elegir muestrear desde un conjunto de valores discretos o una distribución de valores continuos. En este caso, podría usar la función choice para generar un conjunto discreto de valores y una función uniform para generar una distribución de valores continuos.
Para obtener ejemplos del uso de estas funciones, consulte el tutorial: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters.
Funciones
choice
Especifique un conjunto discreto de opciones de las que se muestrea.
choice(*options)
Parámetros
Devoluciones
Expresión estocástica.
Tipo de valor devuelto
lognormal
Especifique un valor que se extrae según exp(normal(mu, sigma)).
El logaritmo del valor devuelto se distribuye normalmente. Al optimizar, esta variable está restringida a ser positiva.
lognormal(mu, sigma)
Parámetros
Devoluciones
Expresión estocástica.
Tipo de valor devuelto
loguniform
Especifique una distribución uniforme de registro.
Un valor que se extrae según exp(uniform(min_value, max_value)) de forma que el logaritmo del valor devuelto se distribuye uniformemente. Al optimizar, esta variable está restringida al intervalo [exp(min_value), exp(max_value)]
loguniform(min_value, max_value)
Parámetros
Devoluciones
Expresión estocástica.
Tipo de valor devuelto
normal
Especifique un valor real que se distribuye normalmente con media mu y desviación estándar sigma.
Al optimizar, se trata de una variable sin restricciones.
normal(mu, sigma)
Parámetros
Devoluciones
Expresión estocástica.
Tipo de valor devuelto
qlognormal
Especifique un valor como round(exp(normal(mu, sigma)) / q) * q.
Adecuado para una variable discreta con respecto a la cual el objetivo es suave y se suaviza con el tamaño de la variable, que está delimitada desde un lado.
qlognormal(mu, sigma, q)
Parámetros
Devoluciones
Expresión estocástica.
Tipo de valor devuelto
qloguniform
Especifique una distribución uniforme del formato round(exp(uniform(min_value, max_value) / q) * q.
Esto es adecuado para una variable discreta con respecto a la cual el objetivo es "smooth" y se suaviza con el tamaño del valor, pero que se debe delimitar por encima y por debajo.
qloguniform(min_value, max_value, q)
Parámetros
Devoluciones
Expresión estocástica.
Tipo de valor devuelto
qnormal
Especifique un valor como round(normal(mu, sigma) / q) * q.
Adecuado para una variable discreta que probablemente toma un valor alrededor de mu, pero está fundamentalmente sin enlazar.
qnormal(mu, sigma, q)
Parámetros
Devoluciones
Expresión estocástica.
Tipo de valor devuelto
quniform
Especifique una distribución uniforme del formato round(uniform(min_value, max_value) / q) * q.
Esto es adecuado para un valor discreto con respecto al cual el objetivo sigue siendo algo "smooth", pero que se debe delimitar por encima y por debajo.
quniform(min_value, max_value, q)
Parámetros
Devoluciones
Expresión estocástica.
Tipo de valor devuelto
randint
Especifique un conjunto de enteros aleatorios en el intervalo [0, superior).
La semántica de esta distribución es que no hay más correlación en la función de pérdida entre los valores enteros cercanos, en comparación con los valores enteros más lejanos. Se trata de una distribución adecuada para describir los valores de inicialización aleatorios, por ejemplo. Si la función de pérdida está más correlacionada para los valores enteros cercanos, probablemente debería usar una de las distribuciones continuas "cuantificadas", como quniform, qloguniform, qnormal o qlognormal.
randint(upper)
Parámetros
Devoluciones
Expresión estocástica.
Tipo de valor devuelto
uniform
Especifique una distribución uniforme de la que se toman las muestras.
uniform(min_value, max_value)
Parámetros
Devoluciones
Expresión estocástica.
Tipo de valor devuelto
Comentarios
https://aka.ms/ContentUserFeedback.
Próximamente: A lo largo de 2024 iremos eliminando gradualmente GitHub Issues como mecanismo de comentarios sobre el contenido y lo sustituiremos por un nuevo sistema de comentarios. Para más información, vea:Enviar y ver comentarios de