hyperas optim中的max eval参数最小化函数returns是什么？

Question

我正在尝试使用 Hyperas 调整参数，但我无法解释有关它的一些细节。

Q1) optim.minimize中的max_eval参数是做什么用的？

Q2) 它会遍历每个 max_eval 的每个参数组合并根据最好的参数给我最好的损失吗？

Q3) 如果我给 max_eval = 5 会怎样？

Q4) best_run 和 best_model returns 在完成所有 max_eval 之后是什么？

Q5) 在模型函数下，我返回损失为 -test_acc 它与调整参数有什么关系，为什么我们在那里使用负号？

def model(x_train, y_train, x_test, y_test):    

    dense_units1 = {{choice([64, 126, 256, 512])}}
    activations = {{choice(['relu', 'sigmoid'])}}

    epochs  = 100
    verbose = 0

    model = Sequential([
        # layer 1
        Dense(dense_units1, activations, input_shape=(784,)),
               ....
               ....
               ....

    ])
    # compiling model
    model.compile(optimizers, loss='categorical_crossentropy', metrics=['accuracy'])
    # fitting the model
    result = model.fit(x_train, y_train, validation_split=0.2, batch_size=batch_size, 
                        epochs=epochs, verbose=verbose, callbacks=[ES, MC])

    test_loss, test_acc = model.evaluate(x_test, y_test, batch_size=512)

    return {'loss': -test_acc, 'status': STATUS_OK, 'model': model}

best_run, best_model = optim.minimize(model=model, data=dataset, algo=tpe.suggest, 
                                       max_evals=5, 
                                      trials=Trials(), notebook_name='MNIST', 
                                      verbose=True)

Answer 1

max_eval参数简单来说就是最大优化次数运行s。（例如，如果 max_evals = 5，Hyperas 将选择不同的超参数组合 5 次，并且每个组合运行您选择的 epoch 数量）
不，它将为每个 max_eval 经过一种超参数组合。超参数的最佳组合是在完成您在 max_eval 参数中给出的所有评估之后。
已在第一季度回答。
在这种情况下 best_model 和 best_run 将 return 相同。您应该将此添加到您的代码中：
```
print('Best performing model chosen hyper-parameters:')
print(best_run)
```
这将从它制作的所有运行中打印最佳超参数。

hyperas optim中的max eval参数最小化函数returns是什么？

What does max eval parameter in hyperas optim minimize function returns?

python

keras

tensorflow

hyperas