Keras-Hyperopt（KOPT）；Hyper-Parameter Tuning for Keras using Hyperopt.
kopt的Python项目详细描述
#Kopt-Keras的超参数优化
[！[构建状态]（https://travis-ci.org/avsecz/keras-hyperopt.svg？branch=master）（https://travis ci.org/avsecz/keras hyperopt）
[！[许可证]（https://img.shields.io/github/license/mashape/apistatus.svg？maxage=2592000）（https://github.com/avsecz/keras hyperopt/blob/master/license）
keras.layers as kl
从keras.optimizers导入adam
kopt和hyoperot导入
从kopt导入compilefn、kmongotrials、test\fn
从hyperopt导入fmin、tpe、hp、status\u ok、trials
定义数据函数返回训练，（验证，测试）数据
def data（max_features=5000，maxlen=80）：
（x_train，y_train），（x_test，y_test）=imdb.load_data（num_words=max_features）
x_train=sequence.pad_sequences（x_train，maxlen=maxlen）
x_test=sequence.pad_sequences（x_test，maxlen=maxlen）
返回（x_列[：100]，y_列[：100]，max_特征），（x_测试，y_测试）
定义返回编译的keras模型的模型函数
def model（train_data，lr=0.001，
embedding_dims=128，rnn_units=64，
dropout=0.2）：
提取数据维度
max_features=train_data[2]
model=sequential（）
model.add（kl.embedding（max_features，嵌入dims）
model.add（kl.lstm（rnn_units，dropout=dropout，recurrent_dropout=dropout））
model.add（kl.dense（1，activation='sigmoid'）
model.compile（loss='binary_crossentropy'，
optimizer=adam（lr=lr），
metrics=['accurity']）
return model
对于
LoSuffMeimeCyMalth=“max”，尝试最大化度量
ValueSimultSe=＝2，使用20%的验证集的训练数据
SaveEnMease=“Best'”、“γ检查点”的最佳模型
SaveSuffReals=真，#将结果另存为.json（除mongoDB之外）
save廑dir=“./saved廑models/”）廑存储模型的位置
廑定义超参数范围
廑有关详细信息，请参见https://github.com/hyperopt/hyperopt/wiki/FMin
hyper廑params={
“data”：{
“max廑features”：100，
“maxlen”：80，
，
“模型”：{
“lr”：hp.log uniform（“m_lr”，np.log（1e-4），np.log（1e-2）），.0001-0.01
“嵌入维度”：hp.choice（“m_emb”，（64，128）），
“rnn单元”：64，
“dropout”：hp.uniform（“m_do”，0，0.5），
“拟合”：hp.uniform（“m_do”，0，0.5），
“拟合”：{
“拟合”：20
“时代”：20<<<
“时代”：20<<<<<<<0.br/>}
}
在一个历元的小子集上，依次运行超参数优化（不带任何数据库）
max evals=2）
exp_name，
ip=“localhost”，
port=22334）
best=fmin（objective，hyper_params，trials=试验，algo=tpe.suggest，max-evals=2）
````
>也请参见
-[nbs/imdb-example.ipynb（nbs/imdb-example.ipynb.ipynb）nbs/imdb/imdb/imdb/imdb/example.ipynb）
``简明.hyopt `（`kopt`是从`简明.hyopt ``中移植过来的）简明.hyopt `（`kopt` kopt`是从`简明.hyopt ``中移植过来的）简明.kopt`的文档文档：
br/>-[api文档]（https://i12g gagneurweb.in.tum.de/public/docs/简明/hyopt/）
-[jupyter笔记本]（https://github.com/gagneurlab/简明/blob/master/nbs/hyper-parameter\u optimization.ipynb）
[！[构建状态]（https://travis-ci.org/avsecz/keras-hyperopt.svg？branch=master）（https://travis ci.org/avsecz/keras hyperopt）
[！[许可证]（https://img.shields.io/github/license/mashape/apistatus.svg？maxage=2592000）（https://github.com/avsecz/keras hyperopt/blob/master/license）
keras.layers as kl
从keras.optimizers导入adam
kopt和hyoperot导入
从kopt导入compilefn、kmongotrials、test\fn
从hyperopt导入fmin、tpe、hp、status\u ok、trials
定义数据函数返回训练，（验证，测试）数据
def data（max_features=5000，maxlen=80）：
（x_train，y_train），（x_test，y_test）=imdb.load_data（num_words=max_features）
x_train=sequence.pad_sequences（x_train，maxlen=maxlen）
x_test=sequence.pad_sequences（x_test，maxlen=maxlen）
返回（x_列[：100]，y_列[：100]，max_特征），（x_测试，y_测试）
定义返回编译的keras模型的模型函数
def model（train_data，lr=0.001，
embedding_dims=128，rnn_units=64，
dropout=0.2）：
提取数据维度
max_features=train_data[2]
model=sequential（）
model.add（kl.embedding（max_features，嵌入dims）
model.add（kl.lstm（rnn_units，dropout=dropout，recurrent_dropout=dropout））
model.add（kl.dense（1，activation='sigmoid'）
model.compile（loss='binary_crossentropy'，
optimizer=adam（lr=lr），
metrics=['accurity']）
return model
对于
LoSuffMeimeCyMalth=“max”，尝试最大化度量
ValueSimultSe=＝2，使用20%的验证集的训练数据
SaveEnMease=“Best'”、“γ检查点”的最佳模型
SaveSuffReals=真，#将结果另存为.json（除mongoDB之外）
save廑dir=“./saved廑models/”）廑存储模型的位置
廑定义超参数范围
廑有关详细信息，请参见https://github.com/hyperopt/hyperopt/wiki/FMin
hyper廑params={
“data”：{
“max廑features”：100，
“maxlen”：80，
，
“模型”：{
“lr”：hp.log uniform（“m_lr”，np.log（1e-4），np.log（1e-2）），.0001-0.01
“嵌入维度”：hp.choice（“m_emb”，（64，128）），
“rnn单元”：64，
“dropout”：hp.uniform（“m_do”，0，0.5），
“拟合”：hp.uniform（“m_do”，0，0.5），
“拟合”：{
“拟合”：20
“时代”：20<<<
“时代”：20<<<<<<<0.br/>}
}
在一个历元的小子集上，依次运行超参数优化（不带任何数据库）
max evals=2）
exp_name，
ip=“localhost”，
port=22334）
best=fmin（objective，hyper_params，trials=试验，algo=tpe.suggest，max-evals=2）
````
>也请参见
-[nbs/imdb-example.ipynb（nbs/imdb-example.ipynb.ipynb）nbs/imdb/imdb/imdb/imdb/example.ipynb）
``简明.hyopt `（`kopt`是从`简明.hyopt ``中移植过来的）简明.hyopt `（`kopt` kopt`是从`简明.hyopt ``中移植过来的）简明.kopt`的文档文档：
br/>-[api文档]（https://i12g gagneurweb.in.tum.de/public/docs/简明/hyopt/）
-[jupyter笔记本]（https://github.com/gagneurlab/简明/blob/master/nbs/hyper-parameter\u optimization.ipynb）
欢迎加入QQ群-->： 979659372
