使用sklearn超参数调整工具，您可以使用n_jobs参数指定要使用的线程数。我正在使用hyperas优化神经网络的

我正在尝试在我们的HPC集群上运行分布式超参数优化。这段代码在sklearn上运行正常（缓慢），但是使用

我第一次使用Talos。已安装talos 1.0，因为我已经在系统中安装了TF2.0，而Talos的早期版本仅支持tf1.14或更

我一直在尝试使用sklearn和rbf kernal对SVM分类器进行超参数优化，并且很懒惰，我使用np.logspace创建了大量

我正在训练使用张量流并将值记录到张量板的模型。基于这些值，我想调整超参数（在代码中）。例如

我正在处理一个不受监督的问题，每当我尝试使用GridSeachCv时，都会在 grid.fit（X，X） 建议您添加

我正在研究Kaggle Titanic数据集。我正在尝试使用LightGBM的LGBMClassifier来确定给定的乘客是否还幸免于难。

我目前正在使用HParams来发起网格搜索超参数优化会话，该会话运行良好，并且将日志输出到我的张量板H

我有一个循环，该循环可以找到运行模型的最终参数，但是我很难找到已找到并用于运行数据的参数。

我基本上从Ax上解剖了MNIST CNN教程中的代码，并将其放入网络中，当我明确定义超参数时，优化过程能够

我正在尝试使用scikit-learn的GridSearchCV调整Keras网络的超参数。但是，随着网格搜索的新发展，网格搜索的

我是新来的，如果我的代码/问题不是那么专业，请原谅..我想使用RandomizedsearchCV调整两个（或多个）模

我正在用<code>useMachine()</code>实现带有径向基函数内核（'svmRadial'）的支持向量机。据我了解的文档和源

我已经使用Fasttext训练了单词嵌入-train.unsuperwised。 有没有办法为此自动调整超参数？文档提供了针对有

我正在通过脚本文件提交培训。以下是<code>train.py</code>脚本的内容。由于<code>Run.get_context()</code>返回相

我想将参数发送到<a href="https://github.com/keras-team/keras-tuner" rel="nofollow noreferrer">Keras Tuner</a>的<strong> model-bu

我正在尝试在管道中进行一些超参数调整，并具有以下设置： <pre><code>model = KerasClassifier(build_fn = creat

尽管只有足够的GPU和CPU可以启动更多的工作人员，但Ray仅启动了一个工作人员。 如何增加工人数量？

我一直在尝试找出如何在Bi-LSTM模型中为PoS和依赖项解析（<a href="https://github.com/datquocnguyen/jPTDP" rel="nofollo

我有一组课程，准确的说是37。每个类都由<code>feature vector of size [1,10]</code>表示。 单个输入样本的尺寸