sweep Paquet
Classes
BanditPolicy |
Définit une stratégie d’arrêt anticipé en fonction de critères de slack et d’un intervalle de fréquence et de délai pour l’évaluation. |
BayesianSamplingAlgorithm |
Algorithme d’échantillonnage bayésien. |
Choice |
Configuration de distribution de choix. |
GridSamplingAlgorithm |
Algorithme d’échantillonnage de grille. |
LogNormal |
Configuration de distribution LogNormal. |
LogUniform |
Configuration de distribution LogUniform. |
MedianStoppingPolicy |
Définit une stratégie d’arrêt anticipé en fonction d’une moyenne d’exécution de la métrique principale de toutes les exécutions. |
Normal |
Configuration de distribution normale. |
Objective |
Objectif d’optimisation. Objectif d’optimisation. |
QLogNormal |
Configuration de distribution QLogNormal. |
QLogUniform |
Configuration de distribution QLogUniform. |
QNormal |
Configuration de la distribution QNormal. |
QUniform |
Configuration de distribution QUniform. |
Randint |
Configuration de la distribution Randint. |
RandomSamplingAlgorithm |
Algorithme d’échantillonnage aléatoire. |
SamplingAlgorithm |
Classe de base pour les algorithmes d’échantillonnage. Cette classe ne doit pas être instanciée directement. Utilisez plutôt l’une de ses sous-classes. |
SweepJob |
Tâche de balayage pour le réglage des hyperparamètres. |
SweepJobLimits |
Limites des travaux de balayage. |
TruncationSelectionPolicy |
Définit une stratégie de fin précoce qui annule un pourcentage donné de séries à chaque intervalle d’évaluation. |
Uniform |
Configuration de distribution uniforme. |
Azure SDK for Python
Commentaires
https://aka.ms/ContentUserFeedback.
Bientôt disponible : Tout au long de 2024, nous allons supprimer progressivement GitHub Issues comme mécanisme de commentaires pour le contenu et le remplacer par un nouveau système de commentaires. Pour plus d’informations, consultezEnvoyer et afficher des commentaires pour