hyperas optim函数中的max eval参数返回什么？

Question

我试图使用Hyperas来调优参数，但我无法解释有关它的一些细节。

Q1) max_eval参数在optim.minimize中是做什么的？

( Q2)它是否对每个max_eval进行了每一个参数的组合，并根据最佳参数给出了最好的损失？

Q3)如果我给出max_eval = 5怎么办？

Q4)完成所有max_evals后，best_run和best_model返回什么？

( Q5)在模型函数下面，我将损失作为-test_acc返回，这与调优参数有什么关系，为什么我们在那里使用负号？

def model(x_train, y_train, x_test, y_test):    

    dense_units1 = {{choice([64, 126, 256, 512])}}
    activations = {{choice(['relu', 'sigmoid'])}}

    epochs  = 100
    verbose = 0

    model = Sequential([
        # layer 1
        Dense(dense_units1, activations, input_shape=(784,)),
               ....
               ....
               ....

    ])
    # compiling model
    model.compile(optimizers, loss='categorical_crossentropy', metrics=['accuracy'])
    # fitting the model
    result = model.fit(x_train, y_train, validation_split=0.2, batch_size=batch_size, 
                        epochs=epochs, verbose=verbose, callbacks=[ES, MC])

    test_loss, test_acc = model.evaluate(x_test, y_test, batch_size=512)

    return {'loss': -test_acc, 'status': STATUS_OK, 'model': model}

best_run, best_model = optim.minimize(model=model, data=dataset, algo=tpe.suggest, 
                                       max_evals=5, 
                                      trials=Trials(), notebook_name='MNIST', 
                                      verbose=True)

Answer 1

1. max_eval参数只是优化运行的最大次数。(例如，如果max_evals = 5，Hyperas将选择一个不同的超参数组合5次，并根据您选择的时间数运行每个组合)
2. 不，每一个max_eval都要经过一个超参数的组合。超参数的最佳组合是在完成max_eval参数中的所有评估之后。
3. 用Q1回答。
4. 在本例中，best_model和best_run将返回相同的内容。您应该将其添加到代码中： 打印(“最佳性能模型选择的超参数：”)打印(Best_run) 这将从它所做的所有运行中打印出最好的超级参数。