Keras/Python深度学习中的网格搜索超参数调优

转自：http://www.sohu.com/a/111078896_163588

超参数优化是深度学习中的重要组成部分。其原因在于，神经网络是公认的难以配置，而又有很多参数需要设置。最重要的是，个别模型的训练非常缓慢。

在这篇文章中，你会了解到如何使用scikit-learn python机器学习库中的网格搜索功能调整Keras深度学习模型中的超参数。

阅读本文后，你就会了解：

如何包装Keras模型以便在scikit-learn中使用，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，如学习速率、 dropout 率、epochs 和神经元数量。

如何设计自己的超参数优化实验。

概述

本文主要想为大家介绍如何使用scikit-learn网格搜索功能，并给出一套代码实例。你可以将代码复制粘贴到自己的项目中，作为项目起始。

下文所涉及的议题列表：

如何在scikit-learn模型中使用Keras。

如何在scikit-learn模型中使用网格搜索。

如何调优批尺寸和训练epochs。

如何调优优化算法。

如何调优学习率和动量因子。

如何确定网络权值初始值。

如何选择神经元**函数。

如何调优Dropout正则化。

如何确定隐藏层中的神经元的数量。

如何在scikit-learn模型中使用Keras

通过用KerasClassifier或KerasRegressor类包装Keras模型，可将其用于scikit-learn。

要使用这些包装，必须定义一个函数，以便按顺序模式创建并返回Keras，然后当构建KerasClassifier类时，把该函数传递给build_fn参数。

例如：

KerasClassifier类的构建器为可以采取默认参数，并将其被传递给model.fit()的调用函数，比如 epochs数目和批尺寸（batch size)。

例如：

KerasClassifier类的构造也可以使用新的参数，使之能够传递给自定义的create_model()函数。这些新的参数，也必须由使用默认参数的 create_model() 函数的签名定义。

例如：

您可以在Keras API文档中，了解到更多关于scikit-learn包装器的知识。

如何在scikit-learn中使用网格搜索

网格搜索（grid search）是一项模型超参数优化技术。

在scikit-learn中，该技术由GridSearchCV类提供。

当构造该类时，你必须提供超参数字典，以便用来评价param_grid参数。这是模型参数名称和大量列值的示意图。

默认情况下，精确度是优化的核心，但其他核心可指定用于GridSearchCV构造函数的score参数。

默认情况下，网格搜索只使用一个线程。在GridSearchCV构造函数中，通过将 n_jobs参数设置为-1，则进程将使用计算机上的所有内核。这取决于你的Keras后端，并可能干扰主神经网络的训练过程。

当构造并评估一个模型中各个参数的组合时，GridSearchCV会起作用。使用交叉验证评估每个单个模型，且默认使用3层交叉验证，尽管通过将cv参数指定给 GridSearchCV构造函数时，有可能将其覆盖。

下面是定义一个简单的网格搜索示例：

一旦完成，你可以访问网格搜索的输出，该输出来自结果对象，由grid.fit()返回。best_score_成员提供优化过程期间观察到的最好的评分， best_params_描述了已取得最佳结果的参数的组合。

您可以在scikit-learn API文档中了解更多关于GridSearchCV类的知识。

问题描述

现在我们知道了如何使用scikit-learn 的Keras模型，如何使用scikit-learn 的网格搜索。现在一起看看下面的例子。

所有的例子都将在一个小型的标准机器学习数据集上来演示，该数据集被称为Pima Indians onset of diabetes 分类数据集。该小型数据集包括了所有容易工作的数值属性。

下载数据集，并把它放置在你目前工作目录下，命名为：pima-indians-diabetes.csv。

当我们按照本文中的例子进行，能够获得最佳参数。因为参数可相互影响，所以这不是网格搜索的最佳方法，但出于演示目的，它是很好的方法。

注意并行化网格搜索

所有示例的配置为了实现并行化（n_jobs=-1）。

如果显示像下面这样的错误：

结束进程，并修改代码，以便不并行地执行网格搜索，设置n_jobs=1。

如何调优批尺寸和训练epochs

在第一个简单的例子中，当调整网络时，我们着眼于调整批尺寸和训练epochs。

迭代梯度下降的批尺寸大小是权重更新之前显示给网络的模式数量。它也是在网络训练的优选法，定义一次读取的模式数并保持在内存中。

训练epochs是训练期间整个训练数据集显示给网络的次数。有些网络对批尺寸大小敏感，如LSTM复发性神经网络和卷积神经网络。

在这里，我们将以20的步长，从10到100逐步评估不同的微型批尺寸。

完整代码如下：

运行之后输出如下：

结果表明，ATOM优化算法结果最好，精确度约为70％。

如何优化学习速率和动量因子？

预先选择一个优化算法来训练你的网络和参数调整是十分常见的。目前，最常用的优化算法是普通的随机梯度下降法（Stochastic Gradient Descent，SGD），因为它十分易于理解。在本例中，我们将着眼于优化SGD的学习速率和动量因子（momentum）。

学习速率控制每批（batch）结束时更新的权重，动量因子控制上次权重的更新对本次权重更新的影响程度。

我们选取了一组较小的学习速率和动量因子的取值范围：从0.2到0.8，步长为0.2，以及0.9（实际中常用参数值）。

一般来说，在优化算法中包含epoch的数目是一个好主意，因为每批（batch）学习量（学习速率）、每个 epoch更新的数目（批尺寸）和 epoch的数量之间都具有相关性。

完整代码如下：

运行之后输出如下：

我们可以看到，当采用均匀权值初始化方案（uniform weight initialization ）时取得最好的结果，可以实现约72%的性能。

如何选择神经元**函数

**函数控制着单个神经元的非线性以及何时**。

通常来说，整流器（rectifier）的**功能是最受欢迎的，但应对不同的问题， sigmoid函数和tanh 函数可能是更好的选择。

在本例中，我们将探讨、评估、比较Keras提供的不同类型的**函数。我们仅在隐层中使用这些函数。考虑到二元分类问题，需要在输出层使用sigmoid**函数。

通常而言，为不同范围的传递函数准备数据是一个好主意，但在本例中我们不会这么做。

完整代码如下：

运行之后输出如下：

令人惊讶的是（至少对我来说是），“线性（linear）”**函数取得了最好的效果，准确率约为72%。

如何调优Dropout正则化

在本例中，我们将着眼于调整正则化中的dropout速率，以期限制过拟合（overfitting）和提高模型的泛化能力。为了得到较好的结果，dropout最好结合一个如最大范数约束之类的权值约束。

了解更多dropout在深度学习框架Keras的使用请查看下面这篇文章：

基于Keras/Python的深度学习模型Dropout正则项

它涉及到拟合dropout率和权值约束。我们选定dropout percentages取值范围是：0.0-0.9（1.0无意义）；最大范数权值约束（ maxnorm weight constraint）的取值范围是0-5。

完整代码如下：

运行之后输出如下：

Best: 0.723958 using {'dropout_rate': 0.2, 'weight_constraint': 4}

0.696615 (0.031948) with: {'dropout_rate': 0.0, 'weight_constraint': 1}

0.696615 (0.031948) with: {'dropout_rate': 0.0, 'weight_constraint': 2}

0.691406 (0.026107) with: {'dropout_rate': 0.0, 'weight_constraint': 3}

0.708333 (0.009744) with: {'dropout_rate': 0.0, 'weight_constraint': 4}

0.708333 (0.009744) with: {'dropout_rate': 0.0, 'weight_constraint': 5}

0.710937 (0.008438) with: {'dropout_rate': 0.1, 'weight_constraint': 1}

0.709635 (0.007366) with: {'dropout_rate': 0.1, 'weight_constraint': 2}

0.709635 (0.007366) with: {'dropout_rate': 0.1, 'weight_constraint': 3}

0.695312 (0.012758) with: {'dropout_rate': 0.1, 'weight_constraint': 4}

0.695312 (0.012758) with: {'dropout_rate': 0.1, 'weight_constraint': 5}

0.701823 (0.017566) with: {'dropout_rate': 0.2, 'weight_constraint': 1}

0.710938 (0.009568) with: {'dropout_rate': 0.2, 'weight_constraint': 2}

0.710938 (0.009568) with: {'dropout_rate': 0.2, 'weight_constraint': 3}

0.723958 (0.027126) with: {'dropout_rate': 0.2, 'weight_constraint': 4}

0.718750 (0.030425) with: {'dropout_rate': 0.2, 'weight_constraint': 5}

0.721354 (0.032734) with: {'dropout_rate': 0.3, 'weight_constraint': 1}

0.707031 (0.036782) with: {'dropout_rate': 0.3, 'weight_constraint': 2}

0.707031 (0.036782) with: {'dropout_rate': 0.3, 'weight_constraint': 3}

0.694010 (0.019225) with: {'dropout_rate': 0.3, 'weight_constraint': 4}

0.709635 (0.006639) with: {'dropout_rate': 0.3, 'weight_constraint': 5}

0.704427 (0.008027) with: {'dropout_rate': 0.4, 'weight_constraint': 1}

0.717448 (0.031304) with: {'dropout_rate': 0.4, 'weight_constraint': 2}

0.718750 (0.030425) with: {'dropout_rate': 0.4, 'weight_constraint': 3}

0.718750 (0.030425) with: {'dropout_rate': 0.4, 'weight_constraint': 4}

0.722656 (0.029232) with: {'dropout_rate': 0.4, 'weight_constraint': 5}

0.720052 (0.028940) with: {'dropout_rate': 0.5, 'weight_constraint': 1}

0.703125 (0.009568) with: {'dropout_rate': 0.5, 'weight_constraint': 2}

0.716146 (0.029635) with: {'dropout_rate': 0.5, 'weight_constraint': 3}

0.709635 (0.008027) with: {'dropout_rate': 0.5, 'weight_constraint': 4}

0.703125 (0.011500) with: {'dropout_rate': 0.5, 'weight_constraint': 5}

0.707031 (0.017758) with: {'dropout_rate': 0.6, 'weight_constraint': 1}

0.701823 (0.018688) with: {'dropout_rate': 0.6, 'weight_constraint': 2}

0.701823 (0.018688) with: {'dropout_rate': 0.6, 'weight_constraint': 3}

0.690104 (0.027498) with: {'dropout_rate': 0.6, 'weight_constraint': 4}

0.695313 (0.022326) with: {'dropout_rate': 0.6, 'weight_constraint': 5}

0.697917 (0.014382) with: {'dropout_rate': 0.7, 'weight_constraint': 1}

0.697917 (0.014382) with: {'dropout_rate': 0.7, 'weight_constraint': 2}

0.687500 (0.008438) with: {'dropout_rate': 0.7, 'weight_constraint': 3}

0.704427 (0.011201) with: {'dropout_rate': 0.7, 'weight_constraint': 4}

0.696615 (0.016367) with: {'dropout_rate': 0.7, 'weight_constraint': 5}

0.680990 (0.025780) with: {'dropout_rate': 0.8, 'weight_constraint': 1}

0.699219 (0.019401) with: {'dropout_rate': 0.8, 'weight_constraint': 2}

0.701823 (0.015733) with: {'dropout_rate': 0.8, 'weight_constraint': 3}

0.684896 (0.023510) with: {'dropout_rate': 0.8, 'weight_constraint': 4}

0.696615 (0.017566) with: {'dropout_rate': 0.8, 'weight_constraint': 5}

0.653646 (0.034104) with: {'dropout_rate': 0.9, 'weight_constraint': 1}

0.677083 (0.012075) with: {'dropout_rate': 0.9, 'weight_constraint': 2}

0.679688 (0.013902) with: {'dropout_rate': 0.9, 'weight_constraint': 3}

0.669271 (0.017566) with: {'dropout_rate': 0.9, 'weight_constraint': 4}

0.669271 (0.012075) with: {'dropout_rate': 0.9, 'weight_constraint': 5}

我们可以看到，当 dropout率为0.2%、最大范数权值约束（ maxnorm weight constraint）取值为4时，可以取得准确率约为72%的最好结果。

如何确定隐藏层中的神经元的数量

每一层中的神经元数目是一个非常重要的参数。通常情况下，一层之中的神经元数目控制着网络的代表性容量，至少是拓扑结构某一节点的容量。

此外，一般来说，一个足够大的单层网络是接近于任何神经网络的，至少在理论上成立。

在本例中，我们将着眼于调整单个隐藏层神经元的数量。取值范围是：1—30，步长为5。

一个大型网络要求更多的训练，此外，至少批尺寸（batch size）和 epoch的数量应该与神经元的数量优化。

完整代码如下：

运行之后输出如下：

我们可以看到，当网络中隐藏层内神经元的个数为5时，可以达到最佳结果，准确性约为71%。

超参数优化的小技巧

本节罗列了一些神经网络超参数调整时常用的小技巧。

K层交叉检验（k-fold Cross Validation），你可以看到，本文中的不同示例的结果存在一些差异。使用了默认的3层交叉验证，但也许K=5或者K=10时会更加稳定。认真选择您的交叉验证配置，以确保您的结果是稳定的。

审查整个网络。不要只注意最好的结果，审查整个网络的结果，并寻找支持配置决策的趋势。

并行（Parallelize），如果可以，使用全部的CPU，神经网络训练十分缓慢，并且我们经常想尝试不同的参数。参考AWS实例。

使用数据集的样本。由于神经网路的训练十分缓慢，尝试训练在您训练数据集中较小样本，得到总方向的一般参数即可，并非追求最佳的配置。

从粗网格入手。从粗粒度网格入手，并且一旦缩小范围，就细化为细粒度网格。

不要传递结果。结果通常是特定问题。尽量避免在每一个新问题上都采用您最喜欢的配置。你不可能将一个问题的最佳结果转移到另一个问题之上。相反地，你应该归纳更广泛的趋势，例如层的数目或者是参数之间的关系。

再现性（Reproducibility）是一个问题。在NumPy中，尽管我们为随机数发生器设置了种子，但结果并非百分百重现。网格搜索wrapped Keras模型将比本文中所示Keras模型展现更多可重复性（reproducibility）。

总结

在这篇文章中，你可以了解到如何使用Keras和scikit-learn/Python调优神经网络中的超参数。

尤其是可以学到：

如何包装Keras模型以便在scikit-learn使用以及如何使用网格搜索。

如何网格搜索Keras 模型中不同标准的神经网络参数。

如何设计自己的超参数优化实验。