parameter_expressions Modul
Definierar funktioner som kan användas i HyperDrive för att beskriva ett hyperparametersökutrymme.
Dessa funktioner används för att ange olika typer av hyperparameterfördelningar. Distributionerna definieras när du konfigurerar sampling för en hyperparameterrensning. När du till exempel använder RandomParameterSampling klassen kan du välja att prova från en uppsättning diskreta värden eller en fördelning av kontinuerliga värden. I det här fallet kan du använda choice funktionen för att generera en diskret uppsättning värden och uniform funktioner för att generera en fördelning av kontinuerliga värden.
Exempel på hur du använder dessa funktioner finns i självstudien: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters.
Funktioner
choice
Ange en diskret uppsättning alternativ att prova från.
choice(*options)
Parametrar
Returer
Det stokastiska uttrycket.
Returtyp
lognormal
Ange ett värde som ritas enligt exp(normal(mu, sigma)).
Logaritmen för returvärdet distribueras normalt. När du optimerar är den här variabeln begränsad till att vara positiv.
lognormal(mu, sigma)
Parametrar
Returer
Det stokastiska uttrycket.
Returtyp
loguniform
Ange en logguniform distribution.
Ett värde ritas enligt exp(uniform(min_value, max_value)) så att logaritmen för returvärdet fördelas jämnt. När du optimerar begränsas den här variabeln till intervallet [exp(min_value), exp(max_value)]
loguniform(min_value, max_value)
Parametrar
Returer
Det stokastiska uttrycket.
Returtyp
normal
Ange ett verkligt värde som normalt distribueras med medelvärdet mu och standardavvikelse sigma.
När du optimerar är detta en obehindrat variabel.
normal(mu, sigma)
Parametrar
Returer
Det stokastiska uttrycket.
Returtyp
qlognormal
Ange ett värde som round(exp(normal(mu, sigma)) / q) * q.
Lämplig för en diskret variabel med avseende på vilken målet är smidigt och blir jämnare med storleken på variabeln, som avgränsas från ena sidan.
qlognormal(mu, sigma, q)
Parametrar
Returer
Det stokastiska uttrycket.
Returtyp
qloguniform
Ange en enhetlig fördelning av formulärrundan(exp(uniform(min_value, max_value) /q) * q.
Detta är lämpligt för en diskret variabel med avseende på vilken målet är "smidigt" och blir jämnare med värdets storlek, men som bör begränsas både över och under.
qloguniform(min_value, max_value, q)
Parametrar
Returer
Det stokastiska uttrycket.
Returtyp
qnormal
Ange ett värde som round(normal(mu, sigma) / q) * q.
Lämplig för en diskret variabel som förmodligen tar ett värde runt mu, men är i grunden obundna.
qnormal(mu, sigma, q)
Parametrar
Returer
Det stokastiska uttrycket.
Returtyp
quniform
Ange en enhetlig fördelning av formulärrundan(uniform(min_value, max_value) /q) * q.
Detta är lämpligt för ett diskret värde med avseende på vilket målet fortfarande är något "smidigt", men som bör begränsas både över och under.
quniform(min_value, max_value, q)
Parametrar
Returer
Det stokastiska uttrycket.
Returtyp
randint
Ange en uppsättning slumpmässiga heltal i intervallet [0, övre).
Semantiken i den här fördelningen är att det inte finns någon mer korrelation i förlustfunktionen mellan närliggande heltalsvärden, jämfört med mer avlägsna heltalsvärden. Det här är en lämplig fördelning för att till exempel beskriva slumpmässiga frön. Om förlustfunktionen förmodligen är mer korrelerad för närliggande heltalsvärden bör du förmodligen använda en av de "kvantiserade" kontinuerliga distributionerna, till exempel quniform, qloguniform, qnormal eller qlognormal.
randint(upper)
Parametrar
Returer
Det stokastiska uttrycket.
Returtyp
uniform
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i:Skicka och visa feedback för