逻辑回归超参数调整的条件参数规范

Question

如何为以下代码配置条件参数规范，其中，当惩罚为 l2 时，求解器应为“sag”，当惩罚为“l1”时，求解器应为“saga”。

from google.cloud.aiplatform import hyperparameter_tuning as hpt

worker_pool_specs = [
        {
            "machine_spec": {
                "machine_type": "n1-standard-4",
                "accelerator_type": "NVIDIA_TESLA_K80",
                "accelerator_count": 1,
            },
            "replica_count": 1,
            "container_spec": {
                "image_uri": container_image_uri,
                "command": [],
                "args": [],
            },
        }
    ]

custom_job = aiplatform.CustomJob(
    display_name='my_job',
    worker_pool_specs=worker_pool_specs,
    labels={'my_key': 'my_value'},
)


hp_job = aiplatform.HyperparameterTuningJob(
    display_name='hp-test',
    custom_job=job,
    metric_spec={
        'loss': 'minimize',
    },
    parameter_spec={
        'C': hpt.DoubleParameterSpec(min=0.001, max=0.1, scale='log'),
        'max_iter': hpt.IntegerParameterSpec(min=4, max=128, scale='linear'),
        'penalty': hpt.CategoricalParameterSpec(values=['l1', 'l2']),
        'solver': hpt.CategoricalParameterSpec(values=['sag', 'saga'])
    },
    max_trial_count=128,
    parallel_trial_count=8,
    labels={'my_key': 'my_value'},
    )

hp_job.run()

print(hp_job.trials)

我查看了文档并尝试向 GPT 寻求帮助，但无法弄清楚。你们能帮忙吗？

Answer 1

在您的代码中，您可以进行一些故障排除，例如 -

您应该使用以下格式初始化项目和区域记录在此处。

def create_hyperparameter_tuning_job_sample(
    project: str,
    location: str,
    staging_bucket: str,
    display_name: str,
    container_uri: str,
):
    aiplatform.init(project=project, location=location, staging_bucket=staging_bucket)

• container_image_uri

  在您的代码中 - 检查设置是否是有效的 Docker 映像。

要进行详细调查，您可以创建一个公共问题跟踪器来描述您的问题并投票[+1]，工程团队将查看该问题。