如何防止scikit学习网格搜索我的keras nn每次折叠都变慢?
我正试图用scikit learn的GridSearchCV调整我的Keras网络的超参数。但是随着网格搜索的每一个新的折叠,网格搜索的训练速度会变慢。上一次测试只包含2次,每次6000个纪元。第一次折叠耗时10分钟,第二次折叠耗时20分钟。我想每个折叠的模型都被储存起来了,花费了太多的资源 我将网格搜索设置为:如何防止scikit学习网格搜索我的keras nn每次折叠都变慢?,keras,scikit-learn,tensorflow2.0,hyperparameters,gridsearchcv,Keras,Scikit Learn,Tensorflow2.0,Hyperparameters,Gridsearchcv,我正试图用scikit learn的GridSearchCV调整我的Keras网络的超参数。但是随着网格搜索的每一个新的折叠,网格搜索的训练速度会变慢。上一次测试只包含2次,每次6000个纪元。第一次折叠耗时10分钟,第二次折叠耗时20分钟。我想每个折叠的模型都被储存起来了,花费了太多的资源 我将网格搜索设置为: gs = GridSearchCV( KerasRegressor(build_fn=create_model), params,
gs = GridSearchCV(
KerasRegressor(build_fn=create_model),
params,
cv=KFold(n_splits=2,random_state=123,shuffle=True),
scoring=['neg_mean_squared_error', 'r2],
refit='neg_mean_squared_error',
n_jobs=-1, verbose=3)
使用参数(为了测试速度,我现在只使用了2个参数):
并在导入的另一个模块(AI_settings.py)中创建了一个构建函数。我插入了函数clear_session(),因为我认为这会破坏折叠之间的模型:
def create_model(activationIn='relu',
activationOut='linear',
optimizer='Adam',
dropout_rate=0.0,
init='uniform',
lr=0.001,
hidden_neurons=8,
output_neurons=2,
count_hidden_layers=2,
input_neurons=8,
kernel_initializer='normal'
):
K.clear_session()
tf.compat.v1.reset_default_graph()
kerasModel = Sequential()
kerasModel.add(Dense(
hidden_neurons,
input_dim=input_neurons,
activation=activationIn,
kernel_initializer=kernel_initializer))
# kerasModel.add(Dropout(dropout_rate))
if count_hidden_layers == count_hidden_layers:
kerasModel.add(Dense(
hidden_neurons,
activation=activationIn,
kernel_initializer=kernel_initializer))
# output layer with 2 variablesd
kerasModel.add(Dense(output_neurons,
activation=activationOut,
kernel_initializer=kernel_initializer))
if optimizer == 'Adam':
opt = tf.keras.optimizers.Adam(lr=lr)
else:
opt = tf.keras.optimizers.RMSprop(lr=lr)
kerasModel.compile(optimizer=opt, loss='mse')
return kerasModel
另外,我在函数create_model上方添加了以下代码(在导入的模块AI_settings.py中),因为否则我会使用keras+scikit learn和GridSearchCV使用n_jobs=-1耗尽内存。内存不足也是我导入函数create\u model的原因。我读到这有助于:
import tensorflow as tf
config = tf.compat.v1.ConfigProto(
gpu_options = tf.compat.v1.GPUOptions(per_process_gpu_memory_fraction=0.8)
)
config.gpu_options.allow_growth = True
session = tf.compat.v1.Session(config=config)
tf.compat.v1.keras.backend.set_session(session)
我在Windows10上使用tensorflow 2.1.0、keras 2.3.1和scikit learn 0.23.2
import tensorflow as tf
config = tf.compat.v1.ConfigProto(
gpu_options = tf.compat.v1.GPUOptions(per_process_gpu_memory_fraction=0.8)
)
config.gpu_options.allow_growth = True
session = tf.compat.v1.Session(config=config)
tf.compat.v1.keras.backend.set_session(session)