parameter_expressions Module
Définit des fonctions qui peuvent être utilisées dans Hyperdrive pour décrire un espace de recherche hyperparamétrique.
Ces fonctions sont utilisées pour spécifier différents types de distributions d’hyperparamètres. Les distributions sont définies lorsque vous configurez l’échantillonnage pour un balayage hyperparamétrique. Par exemple, lorsque vous utilisez la classe RandomParameterSampling, vous pouvez choisir d’échantillonner à partir d’un ensemble de valeurs discrètes ou d’une distribution de valeurs continues. Dans ce cas, vous pouvez utiliser la fonction choice pour générer un ensemble discret de valeurs et la fonction uniform pour générer une distribution de valeurs continues.
Pour obtenir des exemples d’utilisation de ces fonctions, consultez le didacticiel : https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters .
Fonctions
choice
Spécifiez un ensemble discret d’options à partir desquelles effectuer l’échantillonnage.
choice(*options)
Paramètres
Retours
Expression stochastique.
Type de retour
lognormal
Spécifiez une valeur obtenue d’après exp(normal(mu, sigma)).
Le logarithme de la valeur de retour présente une distribution normale. Au moment de l’optimisation, cette variable est restreinte pour être positive.
lognormal(mu, sigma)
Paramètres
Retours
Expression stochastique.
Type de retour
loguniform
Spécifiez une distribution uniforme des journaux.
Une valeur est calculée en fonction de exp(uniform(min_value, max_value)), de sorte que le logarithme de la valeur de retour présente une distribution uniforme. Au moment de l’optimisation, cette variable est restreinte à l’intervalle [exp(min_value), exp(max_value)]
loguniform(min_value, max_value)
Paramètres
Retours
Expression stochastique.
Type de retour
normal
Spécifiez une valeur réelle qui est normalement distribuée avec la moyenne mu et l’écart type sigma.
Au moment de l’optimisation, cette variable n’a aucune restriction.
normal(mu, sigma)
Paramètres
Retours
Expression stochastique.
Type de retour
qlognormal
Spécifiez une valeur comme round(exp(normal(mu, sigma)) / q) * q.
Convient pour une variable discrète par rapport à laquelle l’objectif est lissé et devient de plus en plus lisse à mesure qu’augmente la taille de la variable, qui est limitée d’un côté.
qlognormal(mu, sigma, q)
Paramètres
Retours
Expression stochastique.
Type de retour
qloguniform
Spécifiez une distribution uniforme sous la forme round(exp(uniform(min_value, max_value) / q) * q.
Convient pour une variable discrète par rapport à laquelle l’objectif est « lissé », et devient de plus en plus lisse à mesure qu’augmente la taille de la valeur, mais qui doit être limitée à la fois au-dessus et au-dessous.
qloguniform(min_value, max_value, q)
Paramètres
Retours
Expression stochastique.
Type de retour
qnormal
Spécifiez une valeur comme round(normal(mu, sigma) / q) * q.
Convient pour une variable discrète qui prend probablement une valeur autour de mu, mais qui est fondamentalement illimitée.
qnormal(mu, sigma, q)
Paramètres
Retours
Expression stochastique.
Type de retour
quniform
Spécifiez une distribution uniforme sous la forme round(uniform(min_value, max_value) / q) * q.
Convient pour une valeur discrète par rapport à laquelle l’objectif est toujours relativement « lissé », mais qui doit être limitée à la fois au-dessus et au-dessous.
quniform(min_value, max_value, q)
Paramètres
Retours
Expression stochastique.
Type de retour
randint
Spécifiez un ensemble d’entiers aléatoires dans la plage [0, upper).
La sémantique de cette distribution est telle qu’il n’y a plus de corrélation dans la fonction de perte entre les valeurs entières voisines, par rapport à des valeurs entières plus éloignées. Il s’agit d’une distribution appropriée pour décrire les seeds aléatoires, par exemple. Si la fonction de perte est davantage corrélée pour les valeurs entières voisines, vous devrez probablement utiliser l’une des distributions continues « quantifiées », telles que quniform, qloguniform, qnormal ou qlognormal.
randint(upper)
Paramètres
Retours
Expression stochastique.
Type de retour
uniform
Spécifiez une distribution uniforme à partir de laquelle sont prélevés les échantillons.
uniform(min_value, max_value)
Paramètres
Retours
Expression stochastique.
Type de retour
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