如何在Optuna SuccessiveHalvingPruner()中设置最小时间？

Question

我使用Optuna2.5来优化tf.keras CNN模型上的几个超参数。我想使用剪枝，以便优化跳过超参数空间中不太有希望的角。我用的是这样的东西

study0 = optuna.create_study(study_name=study_name,
                             storage=storage_name,
                             direction='minimize', 
                             sampler=TPESampler(n_startup_trials=25, multivariate=True, seed=123),
                             pruner=optuna.pruners.SuccessiveHalvingPruner(min_resource='auto',
                             reduction_factor=4, min_early_stopping_rate=0),
                             load_if_exists=True)

有时模型在两个周期之后停止，另一些时候在12个时代之后停止，48个等等。我想要的是确保这个模型在被修剪之前总是训练至少30个时代。我猜想参数min_early_stopping_rate可能对此有一定的控制，但我尝试将其从0更改为30，然后模型就永远不会被剪短。有人能比Optuna文档更好地解释一下吗？SuccessiveHalvingPruner()中的这些参数到底做了什么(特别是min_early_stopping_rate)？谢谢

Answer 1

min_resource关于文献资料的解释说

只有在执行min_resource * reduction_factor ** min_early_stopping_rate步骤之前，才会对试用进行修剪。

因此，我假设我们需要将min_resource的值替换为一个特定的数字，这取决于reduction_factor和min_early_stopping_rate。