没有合适的资源?快使用搜索试试~ 我知道了~
gentun:使用分布式遗传算法对机器学习模型进行超参数调整
共24个文件
py:20个
gitignore:1个
txt:1个
需积分: 34 0 下载量 113 浏览量
2021-05-02
01:33:22
上传
评论 1
收藏 29KB ZIP 举报
温馨提示
gentun:用于超参数调整的遗传算法 该项目的目的是提供一个简单的框架,用于使用遗传算法对诸如神经网络和梯度提升树之类的机器学习模型进行调整。 测量给定人群的个体适应性意味着使用由其基因定义的一组特定的超参数来训练模型。 这是一个耗时的过程,因此,可以使用客户端-服务器方法来允许多个客户端对服务器传递的个体执行模型训练和交叉验证。 由繁殖和变异产生的后代由服务器处理。 “参数调整是机器学习中的一门黑手艺,模型的最佳参数可能取决于许多情况。” 参数调优 “ [...]可能的网络结构的数量随着网络中层数的增加而呈指数增长,这激发了我们采用遗传算法来有效地遍历这个较大的搜索空间。” daccess-ods.un.org daccess-ods.un.org 〜纸 支持的基因编码 我们鼓励您提交自己的个人模型对以增强项目。 您可以基于提供的XgboostIndividual和XgboostMo
资源推荐
资源详情
资源评论
收起资源包目录
gentun-master.zip (24个子文件)
gentun-master
setup.py 1KB
.gitignore 2KB
requirements.txt 388B
LICENSE 11KB
README.md 10KB
tests
test_keras_model.py 1KB
test_xgboost_model.py 749B
test_grid_california-housing.py 867B
mnist_server.py 814B
test_mnist.py 1KB
sample_client.py 636B
test_california-housing.py 678B
mnist_client.py 986B
sample_server.py 633B
gentun
__init__.py 762B
models
__init__.py 0B
xgboost_models.py 1KB
keras_models.py 6KB
generic_models.py 499B
client.py 3KB
algorithms.py 4KB
server.py 6KB
populations.py 4KB
individuals.py 11KB
共 24 条
- 1
资源评论
没名字的女人
- 粉丝: 28
- 资源: 4712
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功