parameter_expressions Module
Définit les fonctions qui peuvent être utilisées dans HyperDrive pour décrire un espace de recherche hyperparamètre.
Ces fonctions sont utilisées pour spécifier différents types de distributions d’hyperparamètres. Les distributions sont définies lorsque vous configurez l’échantillonnage pour un balayage hyperparamètre. Par exemple, lorsque vous utilisez la RandomParameterSampling classe, vous pouvez choisir d’échantillonner à partir d’un ensemble de valeurs discrètes ou d’une distribution de valeurs continues. Dans ce cas, vous pouvez utiliser la choice fonction pour générer un ensemble discret de valeurs et uniform de fonction pour générer une distribution de valeurs continues.
Pour obtenir des exemples d’utilisation de ces fonctions, consultez le didacticiel : https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters.
Functions
choice
lognormal
Spécifiez une valeur dessinée en fonction d’exp(normal(mu, sigma)).
Le logarithme de la valeur de retour est normalement distribué. Lors de l’optimisation, cette variable est contrainte d’être positive.
lognormal(mu, sigma)Paramètres
| Nom | Description |
|---|---|
|
mu
Obligatoire
|
Moyenne de la distribution normale. |
|
sigma
Obligatoire
|
Écart type de la distribution normale. |
Retours
| Type | Description |
|---|---|
|
Expression stochastique. |
loguniform
Spécifiez une distribution uniforme de journal.
Une valeur est dessinée en fonction d’exp(uniform(min_value, max_value)) afin que le logarithme de la valeur de retour soit uniformément distribué. Lors de l’optimisation, cette variable est limitée à l’intervalle [exp(min_value), exp(max_value)]
loguniform(min_value, max_value)Paramètres
| Nom | Description |
|---|---|
|
min_value
Obligatoire
|
La valeur minimale de la plage sera exp(min_value)(inclusive). |
|
max_value
Obligatoire
|
La valeur maximale de la plage sera exp(max_value) (inclusive). |
Retours
| Type | Description |
|---|---|
|
Expression stochastique. |
normal
Spécifiez une valeur réelle qui est normalement distribuée avec mu moyen et écart type sigma.
Lors de l’optimisation, il s’agit d’une variable non contrainte.
normal(mu, sigma)Paramètres
| Nom | Description |
|---|---|
|
mu
Obligatoire
|
Moyenne de la distribution normale. |
|
sigma
Obligatoire
|
écart type de la distribution normale. |
Retours
| Type | Description |
|---|---|
|
Expression stochastique. |
qlognormal
Spécifiez une valeur telle que round(exp(normal(mu, sigma)) / q) * q.
Adapté à une variable discrète par rapport à laquelle l’objectif est lisse et obtient plus lisse avec la taille de la variable, qui est limitée d’un côté.
qlognormal(mu, sigma, q)Paramètres
| Nom | Description |
|---|---|
|
mu
Obligatoire
|
Moyenne de la distribution normale. |
|
sigma
Obligatoire
|
Écart type de la distribution normale. |
|
q
Obligatoire
|
Facteur de lissage. |
Retours
| Type | Description |
|---|---|
|
Expression stochastique. |
qloguniform
Spécifiez une distribution uniforme du formulaire round(exp(uniform(min_value, max_value) / q) * q.
Cela convient à une variable discrète par rapport à laquelle l’objectif est « lisse », et obtient plus lisse avec la taille de la valeur, mais qui doit être limitée à la fois au-dessus et au-dessous.
qloguniform(min_value, max_value, q)Paramètres
| Nom | Description |
|---|---|
|
min_value
Obligatoire
|
Valeur minimale de la plage (inclusive). |
|
max_value
Obligatoire
|
Valeur maximale de la plage (inclusive). |
|
q
Obligatoire
|
Facteur de lissage. |
Retours
| Type | Description |
|---|---|
|
Expression stochastique. |
qnormal
Spécifiez une valeur telle que round(mu, sigma) / q) * q.
Adapté à une variable discrète qui prend probablement une valeur autour de mu, mais qui est fondamentalement non lié.
qnormal(mu, sigma, q)Paramètres
| Nom | Description |
|---|---|
|
mu
Obligatoire
|
Moyenne de la distribution normale. |
|
sigma
Obligatoire
|
Écart type de la distribution normale. |
|
q
Obligatoire
|
Facteur de lissage. |
Retours
| Type | Description |
|---|---|
|
Expression stochastique. |
quniform
Spécifiez une distribution uniforme du formulaire round(uniform(min_value, max_value) / q) * q.
Cela convient à une valeur discrète par rapport à laquelle l’objectif est encore un peu « lisse », mais qui doit être limité à la fois au-dessus et au-dessous.
quniform(min_value, max_value, q)Paramètres
| Nom | Description |
|---|---|
|
min_value
Obligatoire
|
Valeur minimale de la plage (inclusive). |
|
max_value
Obligatoire
|
Valeur maximale de la plage (inclusive). |
|
q
Obligatoire
|
Facteur de lissage. |
Retours
| Type | Description |
|---|---|
|
Expression stochastique. |
randint
Spécifiez un jeu d’entiers aléatoires dans la plage [0, majuscule).
La sémantique de cette distribution est qu’il n’y a plus de corrélation dans la fonction de perte entre les valeurs entières voisines, par rapport aux valeurs entières plus distantes. Il s’agit d’une distribution appropriée pour décrire des graines aléatoires, par exemple. Si la fonction de perte est probablement plus corrélée pour les valeurs entières voisines, vous devez probablement utiliser l’une des distributions continues « quantized », telles que quniform, qloguniform, qnormal ou qlognormal.
randint(upper)Paramètres
| Nom | Description |
|---|---|
|
upper
Obligatoire
|
Limite supérieure exclusive pour la plage d’entiers. |
Retours
| Type | Description |
|---|---|
|
Expression stochastique. |
uniform
Spécifiez une distribution uniforme à partir de laquelle des échantillons sont prélevés.
uniform(min_value, max_value)Paramètres
| Nom | Description |
|---|---|
|
min_value
Obligatoire
|
Valeur minimale de la plage (inclusive). |
|
max_value
Obligatoire
|
Valeur maximale de la plage (inclusive). |
Retours
| Type | Description |
|---|---|
|
Expression stochastique. |