Sherpa：面向机器学习的鲁棒超参数优化
机器学习
2020-05-11 v1 机器学习
摘要
Sherpa 是一个用于机器学习模型的超参数优化库。它专为具有计算昂贵、迭代函数求值的问题而设计，例如深度神经网络的超参数调优。借助 Sherpa，科学家可以使用各种强大且可互换的算法快速优化超参数。Sherpa 可以在单台机器上运行，也可以在集群上并行运行。最后，交互式仪表板使用户能够在模型训练时查看其进度、取消试验，并探索哪些超参数组合效果最佳。Sherpa 通过自动化模型调优中较为繁琐的方面来赋能机器学习从业者。其源代码和文档可在 https://github.com/sherpa-ai/sherpa 获取。
引用
@article{arxiv.2005.04048,
title = {Sherpa: Robust Hyperparameter Optimization for Machine Learning},
author = {Lars Hertel and Julian Collado and Peter Sadowski and Jordan Ott and Pierre Baldi},
journal= {arXiv preprint arXiv:2005.04048},
year = {2020}
}