parameter_expressions Modulo

Definisce le funzioni che possono essere usate in HyperDrive per descrivere uno spazio di ricerca degli iperparametri.

Queste funzioni vengono usate per specificare tipi diversi di distribuzioni di iperparametri. Le distribuzioni vengono definite quando si configura il campionamento per uno sweep di iperparametri. Ad esempio, quando si usa la RandomParameterSampling classe , è possibile scegliere di campionare da un set di valori discreti o da una distribuzione di valori continui. In questo caso, è possibile usare la choice funzione per generare un set discreto di valori e uniform una funzione per generare una distribuzione di valori continui.

Per esempi di uso di queste funzioni, vedere l'esercitazione: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters.

Funzioni

choice

Specificare un set discreto di opzioni da cui campionare.

choice(*options)

Parametri

Nome	Descrizione
options Necessario	list Elenco di opzioni tra cui scegliere.

Restituisce

Tipo	Descrizione
list	Espressione stocastica.

lognormal

Specificare un valore disegnato in base a exp(normal(mu, sigma)).

Il logaritmo del valore restituito viene normalmente distribuito. Durante l'ottimizzazione, questa variabile è vincolata a essere positiva.

lognormal(mu, sigma)

Parametri

Nome	Descrizione
mu Necessario	float Media della distribuzione normale.
sigma Necessario	float Deviazione standard della distribuzione normale.

Restituisce

Tipo	Descrizione
list	Espressione stocastica.

loguniform

Specificare una distribuzione uniforme del log.

Un valore viene disegnato in base a exp(uniform(min_value, max_value)) in modo che il logaritmo del valore restituito venga distribuito in modo uniforme. Durante l'ottimizzazione, questa variabile è vincolata all'intervallo [exp(min_value), exp(max_value)]

loguniform(min_value, max_value)

Parametri

Nome	Descrizione
min_value Necessario	float Il valore minimo nell'intervallo sarà exp(min_value)(inclusive).
max_value Necessario	float Il valore massimo nell'intervallo sarà exp(max_value) (inclusivo).

Restituisce

Tipo	Descrizione
list	Espressione stocastica.

normal

Specificare un valore reale normalmente distribuito con media mu e deviazione standard sigma.

Durante l'ottimizzazione, si tratta di una variabile non vincolata.

normal(mu, sigma)

Parametri

Nome	Descrizione
mu Necessario	float Media della distribuzione normale.
sigma Necessario	float deviazione standard della distribuzione normale.

Restituisce

Tipo	Descrizione
list	Espressione stocastica.

qlognormal

Specificare un valore come round(exp(normal(mu, sigma)) / q) * q.

Adatto per una variabile discreta rispetto alla quale l'obiettivo è liscio e si uniforma con le dimensioni della variabile, che viene delimitata da un lato.

qlognormal(mu, sigma, q)

Parametri

Nome	Descrizione
mu Necessario	float Media della distribuzione normale.
sigma Necessario	float Deviazione standard della distribuzione normale.
q Necessario	int Fattore di smussamento.

Restituisce

Tipo	Descrizione
list	Espressione stocastica.

qloguniform

Specificare una distribuzione uniforme del formato round(exp(uniform(min_value, max_value) / q) * q.

Questo comportamento è adatto per una variabile discreta rispetto alla quale l'obiettivo è "liscio" e si uniforma con le dimensioni del valore, ma che deve essere delimitato sia sopra che sotto.

qloguniform(min_value, max_value, q)

Parametri

Nome	Descrizione
min_value Necessario	float Valore minimo nell'intervallo (inclusivo).
max_value Necessario	float Valore massimo nell'intervallo (inclusivo).
q Necessario	int Fattore di smussamento.

Restituisce

Tipo	Descrizione
list	Espressione stocastica.

qnormal

Specificare un valore come round(normal(mu, sigma) / q) * q.

Adatto per una variabile discreta che probabilmente accetta un valore intorno a mu, ma è fondamentalmente non associato.

qnormal(mu, sigma, q)

Parametri

Nome	Descrizione
mu Necessario	float Media della distribuzione normale.
sigma Necessario	float Deviazione standard della distribuzione normale.
q Necessario	int Fattore di smussamento.

Restituisce

Tipo	Descrizione
list	Espressione stocastica.

quniform

Specificare una distribuzione uniforme del formato round(uniform(min_value, max_value) / q) * q.

Questo è adatto per un valore discreto rispetto al quale l'obiettivo è ancora un po '"liscio", ma che deve essere delimitato sia sopra che sotto.

quniform(min_value, max_value, q)

Parametri

Nome	Descrizione
min_value Necessario	float Valore minimo nell'intervallo (inclusivo).
max_value Necessario	float Valore massimo nell'intervallo (inclusivo).
q Necessario	int Fattore di smussamento.

Restituisce

Tipo	Descrizione
list	Espressione stocastica.

randint

Specificare un set di numeri interi casuali nell'intervallo [0, superiore).

La semantica di questa distribuzione è che non esiste più correlazione nella funzione di perdita tra valori interi vicini, rispetto a valori integer più distanti. Si tratta di una distribuzione appropriata per la descrizione di semi casuali, ad esempio. Se la funzione di perdita è probabilmente più correlata per i valori integer vicini, è consigliabile usare probabilmente una delle distribuzioni continue "quantizzate", ad esempio quniform, qloguniform, qnormal o qlognormal.

randint(upper)

Parametri

Nome	Descrizione
upper Necessario	int Limite superiore esclusivo per l'intervallo di interi.

Restituisce

Tipo	Descrizione
list	Espressione stocastica.

uniform

Specificare una distribuzione uniforme da cui vengono acquisiti i campioni.

uniform(min_value, max_value)

Parametri

Nome	Descrizione
min_value Necessario	float Valore minimo nell'intervallo (inclusivo).
max_value Necessario	float Valore massimo nell'intervallo (inclusivo).

Restituisce

Tipo	Descrizione
list	Espressione stocastica.