BayesianParameterSampling Klas

Definieert Bayesiaanse steekproeven over een hyperparameterzoekruimte.

Bayesiaanse steekproeven proberen op intelligente wijze de volgende steekproef van hyperparameters te kiezen, op basis van hoe de vorige steekproeven hebben uitgevoerd, zodat de nieuwe steekproef de gerapporteerde primaire metrische gegevens verbetert.

Initialiseer BayesianParameterSampling.

Overname

azureml.train.hyperdrive.sampling.HyperParameterSampling

BayesianParameterSampling

Constructor

BayesianParameterSampling(parameter_space, properties=None)

Parameters

Name	Description
parameter_space Vereist	dict Een woordenlijst met elke parameter en de bijbehorende distributie. De woordenlijstsleutel is de naam van de parameter. Houd er rekening mee dat alleen choice, quniformen uniform worden ondersteund voor Bayesiaanse optimalisatie.
parameter_space Vereist	dict Een woordenlijst met elke parameter en de bijbehorende distributie. De woordenlijstsleutel is de naam van de parameter. Houd er rekening mee dat alleen keuze, quniform en uniform worden ondersteund voor Bayesiaanse optimalisatie.
properties	standaardwaarde: None

Opmerkingen

Houd er rekening mee dat wanneer u Bayesiaanse steekproeven gebruikt, het aantal gelijktijdige uitvoeringen van invloed is op de effectiviteit van het afstemmingsproces. Normaal gesproken leidt een kleiner aantal gelijktijdige uitvoeringen tot een betere steekproefcongewijze convergentie. Dat komt omdat sommige uitvoeringen worden gestart zonder dat ze volledig profiteren van uitvoeringen die nog steeds worden uitgevoerd.

Notitie

Bayesiaanse steekproeven bieden geen ondersteuning voor beleid voor vroegtijdige beëindiging. Wanneer u Bayesian-parametersampling gebruikt, gebruikt NoTerminationPolicyu , stelt u het beleid voor vroegtijdige beëindiging in op Geen of laat u de parameter early_termination_policy.

Zie de zelfstudie Hyperparameters afstemmen voor uw model voor meer informatie over het gebruik van BayesianParameter-steekproeven.

Kenmerken

SAMPLING_NAME

SAMPLING_NAME = 'BayesianOptimization'