是否可以根据Keras Tuner中的型号大小调整批处理大小的搜索空间？

Question

我使用的Keras类似于这里的端到端示例-- https://keras-team.github.io/keras-tuner/tutorials/subclass-tuner/

生成的一些模型比其他模型大得多，而较大的模型会导致OOM错误，从而停止调优。

我知道我可以设置一个max_model_size (https://github.com/keras-team/keras-tuner/issues/175)。但是，调谐器是否可以根据模型的大小选择最大批处理大小，或者跳过对于内存来说太大的批处理大小，而不是限制模型大小？

Answer 1

我不确定这是否适用于批量大小，但通常您可以定义一个父级(hyper-)参数。只有在选定的条件下，才会定义您的“子”参数。

hp_number_of_layers = hp.Int('number_of_layers', min_value = 4, max_value = 10, step = 2, default=6)
hp_batch_size = hp.Int('batch_size', min_value = 4, max_value = 8, step = 4, default=4, parent_name='number_of_layers', parent_values=[6,8])