hola que tal! ¿para que sirve el factor en hyperband?

martin chavez

martin chavez

Pregunta
studenthace 3 años

hola que tal! ¿para que sirve el factor en hyperband?

2 respuestas
para escribir tu comentario
    martin chavez

    martin chavez

    studenthace 3 años

    super claro! gracias por contestar, entonces poner el factor en 4 5 o 6 hara que tarde mas tiempo en terminar el tuning verdad?

    Adonai Vera

    Adonai Vera

    teacherhace 3 años

    Hola Martin, excelente pregunta. Para entender el factor es importante entender como funciona el método Hyperband. Su función principal es testear múltiples modelos y configuraciones, sin embargo eso llevaría mucho tiempo de procesamiento es por eso que la función detiene el entrenamiento cuando los resultados son regulares. La función del argumento "factor" es definir en que factor se va a disminuir la cantidad de epochs y la cantidad de modelos en cada ciclo.

    Mirémoslo con un ejemplo, si el sistema ha entrenado nueve modelos en el primer ciclo, y nuestro factor es 3, el sistema va a dividir la cantidad de modelos 9 por el factor 3 (9/3=3), y obtendrá que continuara entrenando únicamente 3 modelos una cantidad de epochs menor (epochs/factor) y únicamente los que tengan mejores métricas, en el tercer ciclo repite el proceso y divide los 3 modelos que quedaron en el factor de 3 y termina con un único modelo que entrenara un poco más para obtener sus métricas.

    Cuéntame si quedo más claro, saludos

Curso Profesional de Redes Neuronales con TensorFlow

Curso Profesional de Redes Neuronales con TensorFlow

Desarrolla modelos de redes neuronales usando TensorFlow. Aprende a cargar y preprocesar datos, entender el ciclo de la IA, aplicar transfer learning y optimizar modelos con técnicas como regularización y callbacks. Ideal para mejorar tus competencias en deep learning.

Curso Profesional de Redes Neuronales con TensorFlow
Curso Profesional de Redes Neuronales con TensorFlow

Curso Profesional de Redes Neuronales con TensorFlow

Desarrolla modelos de redes neuronales usando TensorFlow. Aprende a cargar y preprocesar datos, entender el ciclo de la IA, aplicar transfer learning y optimizar modelos con técnicas como regularización y callbacks. Ideal para mejorar tus competencias en deep learning.