您能否为调度程序和一般调整试验使用不同的停止条件
Can you use different stopping conditions for schedulers versus general tune trials
在 Ray Tune 中,是否有关于对调度程序使用不同的停止条件与试验是否合适的指导?
下面,我有一个基于 neg_mean_loss
停止的异步超频带调度程序,并根据 mean_f1
.
调整自身停止
我应该对两者使用相同的东西还是无所谓?
scheduler = schedulers.AsyncHyperBandScheduler(
time_attr='training_iteration',
reward_attr='neg_mean_loss', # <------
max_t=100,
grace_period=10,
reduction_factor=3,
brackets=3
)
all_trials = tune.run(
tune_trainable,
name="tuner",
scheduler=scheduler,
stop={"mean_f1": 0.99}, # <------
resources_per_trial={"cpu": 2, "gpu": 1},
config={"lr": tune.grid_search([0.0002, 0.003, 0.007, 0.01])
)
没关系;您可以指定多个终止条件,Tune 将在达到条件时立即终止试验。
在 Ray Tune 中,是否有关于对调度程序使用不同的停止条件与试验是否合适的指导?
下面,我有一个基于 neg_mean_loss
停止的异步超频带调度程序,并根据 mean_f1
.
我应该对两者使用相同的东西还是无所谓?
scheduler = schedulers.AsyncHyperBandScheduler(
time_attr='training_iteration',
reward_attr='neg_mean_loss', # <------
max_t=100,
grace_period=10,
reduction_factor=3,
brackets=3
)
all_trials = tune.run(
tune_trainable,
name="tuner",
scheduler=scheduler,
stop={"mean_f1": 0.99}, # <------
resources_per_trial={"cpu": 2, "gpu": 1},
config={"lr": tune.grid_search([0.0002, 0.003, 0.007, 0.01])
)
没关系;您可以指定多个终止条件,Tune 将在达到条件时立即终止试验。