Keras
KerasTuner

KerasTuner

KerasTuner는 하이퍼파라미터 탐색의 문제를 해결하는, 사용하기 쉽고 확장 가능한 하이퍼파라미터 최적화 프레임워크입니다. define-by-run 구문을 사용해 탐색 공간을 쉽게 설정하고, 다양한 검색 알고리즘을 활용하여 모델에 가장 적합한 하이퍼파라미터 값을 찾아낼 수 있습니다. KerasTuner는 기본적으로 베이지안 최적화, 하이퍼밴드, 그리고 랜덤 서치 알고리즘을 제공하며, 연구자들이 새로운 탐색 알고리즘을 실험할 수 있도록 확장하기 쉽게 설계되었습니다.

빠른 링크

설치

최신 릴리스를 설치하세요:

pip install keras-tuner --upgrade

다른 버전은 GitHub 저장소에서 확인할 수 있습니다.

빠른 소개

KerasTuner와 TensorFlow를 임포트하세요:

import keras_tuner
import keras

모델을 생성하고 반환하는 함수를 작성하세요. 모델 생성 시 hp 인자를 사용하여 하이퍼파라미터를 정의합니다.

def build_model(hp):
  model = keras.Sequential()
  model.add(keras.layers.Dense(
      hp.Choice('units', [8, 16, 32]),
      activation='relu'))
  model.add(keras.layers.Dense(1, activation='relu'))
  model.compile(loss='mse')
  return model

튜너를 초기화하세요. (여기서는 RandomSearch) objective를 사용해 최적의 모델을 선택할 목표를 지정하고, max_trials를 사용해 시도할 모델의 수를 설정합니다.

tuner = keras_tuner.RandomSearch(
    build_model,
    objective='val_loss',
    max_trials=5)

탐색을 시작하고 최적의 모델을 가져오세요:

tuner.search(x_train, y_train, epochs=5, validation_data=(x_val, y_val))
best_model = tuner.get_best_models()[0]

KerasTuner에 대해 더 알고 싶다면, 이 시작 가이드를 확인하세요.

KerasTuner 인용

KerasTuner가 연구에 도움이 되었다면, 인용해 주시면 감사하겠습니다. 아래는 BibTeX 항목입니다:

@misc{omalley2019kerastuner,
    title        = {KerasTuner},
    author       = {O'Malley, Tom and Bursztein, Elie and Long, James and Chollet, Fran\c{c}ois and Jin, Haifeng and Invernizzi, Luca and others},
    year         = 2019,
    howpublished = {\url{https://github.com/keras-team/keras-tuner}}
}