parameter_expressions 模組
定義可在 HyperDrive 中用來描述超參數搜尋空間的函式。
這些函式可用來指定不同類型的超參數分佈。 當您設定超參數掃掠的取樣時,會定義分佈。 例如,當您使用 RandomParameterSampling 類別時,您可以選擇從一組離散值或連續值的分佈取樣。 在此情況下,您可以使用 函 choice 式來產生一組離散的值和 uniform 函式,以產生連續值的分佈。
如需使用這些函式的範例,請參閱教學課程: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters 。
函數
choice
lognormal
指定根據 exp (一般 (mu、sigma) ) 繪製的值。
傳回值的對數通常會分散。 優化時,此變數會限制為正數。
lognormal(mu, sigma)
參數
傳回
隨機運算式。
傳回類型
loguniform
指定記錄統一分佈。
系統會根據 exp (統一 (min_value、max_value) ) 來繪製值,讓傳回值的對數平均分佈。 優化時,此變數受限於間隔 [exp (min_value) ,exp (max_value) ]
loguniform(min_value, max_value)
參數
傳回
隨機運算式。
傳回類型
normal
指定以平均 mu 和標準差 sigma 一般分佈的實際值。
優化時,這是不受限制的變數。
normal(mu, sigma)
參數
傳回
隨機運算式。
傳回類型
qlognormal
指定值,例如 round (exp (normal (mu, sigma) ) / q) * q。
適用于目標順暢且更順暢且具有變數大小的離散變數,其大小會從一端系結。
qlognormal(mu, sigma, q)
參數
傳回
隨機運算式。
傳回類型
qloguniform
指定表單四捨五入 (exp 的統一分佈, (統一 (min_value,max_value) / q) * q。
這適用于目標為「平滑」的離散變數,並且會以值的大小更順暢,但應該同時系結在上方和下方。
qloguniform(min_value, max_value, q)
參數
傳回
隨機運算式。
傳回類型
qnormal
指定值,例如四捨五入 (一般 (mu、sigma) / q) * q。
適用于可能採用 mu 值但基本上未系結的離散變數。
qnormal(mu, sigma, q)
參數
傳回
隨機運算式。
傳回類型
quniform
指定表單圓角 (統一 (min_value的統一分佈,max_value) / q) * q。
這適用于目標仍然有點「平滑」的離散值,但應該同時系結在上方和下方。
quniform(min_value, max_value, q)
參數
傳回
隨機運算式。
傳回類型
randint
指定範圍 [0, 上層) 的一組隨機整數。
相較于較遠的整數值,此分佈的語意在於鄰近整數值之間的遺失函式中沒有更多相互關聯。 這是描述隨機種子的適當分佈,例如。 如果遺失函式可能更與鄰近整數值相互關聯,則您應該使用其中一個「量子化」連續分佈,例如 quniform、qloguniform、qnormal 或 qlognormal。
randint(upper)
參數
傳回
隨機運算式。
傳回類型
uniform
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應