在 Flow 中调整默认模型参数
Adjusting default model parameters in Flow
我们在具有三个节点的 Hadoop 集群上使用 H2O 版本 3.14.0.3 和 Flow (v. 0.7.7)。在流 Web 界面中，我们每次都会调整一些模型默认值（尤其是深度学习）（例如，将 Epochs 降低到 0.1）。如果我们不调整参数，由于数据集的体积，训练需要几个小时。
我可以配置默认参数设置吗？
这些是 H2O 算法的默认超参数值，它们硬编码在 Java 代码中并通过所有 API（R、Python、Scala 和 Flow）传播。更改默认值的唯一方法是在客户端界面中手动设置它们（就像您已经在做的那样），或者您可以分叉 H2O 源代码，在 Java 中更改它们，重新编译 H2O 并使用您的具有修改设置的分叉版本。
您或许可以使用这些设置保存流程文件，然后将其重新用于您的实验。这样，您只需更改数据文件的值（一次更改），而不是对各种超参数值进行多次更改。
最后，如果您熟悉 R 或 Python，您可以非常轻松地编写一个具有您首选设置的脚本并改用它。如果您想使用一些现有的 R 或 Python 深度学习代码，有一些示例 here.
我们在具有三个节点的 Hadoop 集群上使用 H2O 版本 3.14.0.3 和 Flow (v. 0.7.7)。在流 Web 界面中，我们每次都会调整一些模型默认值（尤其是深度学习）（例如，将 Epochs 降低到 0.1）。如果我们不调整参数，由于数据集的体积，训练需要几个小时。
我可以配置默认参数设置吗？
这些是 H2O 算法的默认超参数值，它们硬编码在 Java 代码中并通过所有 API（R、Python、Scala 和 Flow）传播。更改默认值的唯一方法是在客户端界面中手动设置它们（就像您已经在做的那样），或者您可以分叉 H2O 源代码，在 Java 中更改它们，重新编译 H2O 并使用您的具有修改设置的分叉版本。
您或许可以使用这些设置保存流程文件，然后将其重新用于您的实验。这样，您只需更改数据文件的值（一次更改），而不是对各种超参数值进行多次更改。
最后，如果您熟悉 R 或 Python，您可以非常轻松地编写一个具有您首选设置的脚本并改用它。如果您想使用一些现有的 R 或 Python 深度学习代码，有一些示例 here.