Tensorflow keras调谐器超参数训练中优化器和学习率的选择

我想使用 kerastuner框架

如何选择优化器和不同的学习率 可以传递给优化器。 这是我的

model.compile（）

方法

        model.compile(
        loss=BinaryCrossentropy(from_logits=True),
        optimizer=hp.Choice('optimizer', values=['adam', 'adagrad', 'SGD']),
        metrics=['accuracy']
        )

该代码只选择一个优化器 并将使用默认的学习速率。 我想通过

hp.Float（'lrate'，min_值=1e-4，max_值=1e-2，sampling='LOG'）

给每个优化器。如何嵌套它们。

尝试以下方法：

# Select optimizer    
optimizer=hp.Choice('optimizer', values=['adam', 'adagrad', 'SGD']

# Conditional for each optimizer
if optimizer == 'adam':
   .....
elif optimizer == 'adagrad':
   .....
elif optimizer == 'SGD':
   .....

# Now compile your model with previous param
model.compile(
    loss=BinaryCrossentropy(from_logits=True),
    optimizer=optimizer,
    metrics=['accuracy']
    )