使用scikit-learn为PyTorch 模型进行超参数网格搜索

scikit-learn是Python中最好的机器学习库，而PyTorch又为我们构建模型提供了方便的操作，能否将它们的优点整合起来呢？在本文中，我们将介绍如何使用 scikit-learn中的网格搜索功能来调整 PyTorch 深度学习模型的超参数:

• 如何包装 PyTorch 模型以用于 scikit-learn 以及如何使用网格搜索
• 如何网格搜索常见的神经网络参数，如学习率、Dropout、epochs、神经元数
• 在自己的项目上定义自己的超参数调优实验

 

 

 要让PyTorch 模型可以在 scikit-learn 中使用的一个最简单的方法是使用skorch包。这个包为 PyTorch 模型提供与 scikit-learn 兼容的 API。 在skorch中，有分类神经网络的NeuralNetClassifier和回归神经网络的NeuralNetRegressor。

 

完整文章：

https://avoid.overfit.cn/post/fda8764b85174b6ca3c9eac4fc6d0db9