Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
ml-mastery-zh
提交
301ad424
M
ml-mastery-zh
项目概览
OpenDocCN
/
ml-mastery-zh
8 个月 前同步成功
通知
2
Star
556
Fork
158
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
M
ml-mastery-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
301ad424
编写于
9月 30, 2019
作者:
ElamDavies
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
格式校验,翻译校正
上级
472da027
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
4 addition
and
4 deletion
+4
-4
docs/dl-keras/grid-search-hyperparameters-deep-learning-models-python-keras.md
...arch-hyperparameters-deep-learning-models-python-keras.md
+4
-4
未找到文件。
docs/dl-keras/grid-search-hyperparameters-deep-learning-models-python-keras.md
浏览文件 @
301ad424
...
...
@@ -59,7 +59,7 @@ def create_model():
model
=
KerasClassifier
(
build_fn
=
create_model
)
```
**KerasClassifier**
类的构造函数可以使用传递给
**`model.fit()`**
的调用的默认参数,例如迭代数和批量大小。
**KerasClassifier**
类的构造函数可以使用传递给
`model.fit()`
的调用的默认参数,例如迭代数和批量大小。
例如:
...
...
@@ -71,7 +71,7 @@ def create_model():
model
=
KerasClassifier
(
build_fn
=
create_model
,
epochs
=
10
)
```
**KerasClassifier**
类的构造函数也可以采用传递给自定义
**`create_model()`**
函数的新参数。这些新参数也必须在
**`create_model()`**
函数的签名中使用默认参数进行定义。
**KerasClassifier**
类的构造函数也可以采用传递给自定义
`create_model()`
函数的新参数。这些新参数也必须在
`create_model()`
函数的签名中使用默认参数进行定义。
例如:
...
...
@@ -107,7 +107,7 @@ grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1)
grid_result
=
grid
.
fit
(
X
,
Y
)
```
完成后,您可以在
**`grid.fit()`**
返回的结果对象中访问网格搜索的结果。
**best_score_**
成员提供对优化过程中观察到的最佳分数的访问, 并且
**best_params_**
描述了获得最佳结果的参数组合。
完成后,您可以在
`grid.fit()`
返回的结果对象中访问网格搜索的结果。
**best_score_**
成员提供对优化过程中观察到的最佳分数的访问, 并且
**best_params_**
描述了获得最佳结果的参数组合。
您可以在 scikit-learn API 文档中了解有关
[
GridSearchCV 类的更多信息。
](
http://scikit-learn.org/stable/modules/generated/sklearn.grid_search.GridSearchCV.html#sklearn.grid_search.GridSearchCV
)
...
...
@@ -123,7 +123,7 @@ grid_result = grid.fit(X, Y)
### 并行化网格搜索的注意事项
所有示例都配置为使用并行性(
**n_jobs = -1**
)
。
所有示例都配置为使用并行性(
**n_jobs = -1**
)
.
如果您收到如下错误:
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录