https://github.com/machine-learning-tools/keras-grid-search-cacheable

Reducción de tiempo de ejecución de los algoritmos de Machine Learning con búsqueda de parámetros en GridSearch.
https://github.com/machine-learning-tools/keras-grid-search-cacheable

gridsearch gridsearchcv keras machine-learning sklearn tensorflow2 tools

Last synced: 28 days ago
JSON representation

Reducción de tiempo de ejecución de los algoritmos de Machine Learning con búsqueda de parámetros en GridSearch.

• Host: GitHub
• URL: https://github.com/machine-learning-tools/keras-grid-search-cacheable
• Owner: machine-learning-tools
• License: mit
• Created: 2020-10-21T21:50:39.000Z (over 4 years ago)
• Default Branch: master
• Last Pushed: 2021-01-13T21:53:39.000Z (about 4 years ago)
• Last Synced: 2024-12-15T15:40:09.826Z (about 2 months ago)
• Topics: gridsearch, gridsearchcv, keras, machine-learning, sklearn, tensorflow2, tools
• Language: Python
• Homepage:
• Size: 10.7 KB
• Stars: 0
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# keras GridSearch Cacheable

## Descripción

Cuando está desarrollando un componente en **KERAS** y **Tensorflow** y requiere hacer búsqueda de parámetros mediante GridSearch puede ser muy tardado y requerir mucho reproceso al ejecutar su código.

Para dar solución a esto se creó el **keras GridSearch Cacheable** con el objetivo de extender las funcionalidades de cacheo de **SK-Learn** a **KERAS**. 

## Instalación

##### En Google Colaboratory:

Ejecute el siguiente fragmento de código 

```

def downloadDriveFile(file_id,file_name,file_extension):

  !wget --load-cookies /tmp/cookies.txt "https://docs.google.com/uc?export=download&confirm=$(wget --quiet --save-cookies /tmp/cookies.txt --keep-session-cookies --no-check-certificate 'https://docs.google.com/uc?export=download&id='$file_id -O- | sed -rn 's/.*confirm=([0-9A-Za-z_]+).*/\1\n/p')&id="$file_id -O "$file_name"."$file_extension" && rm -rf /tmp/cookies.txt

downloadDriveFile("1G9uWCkxwyE-qISaYbXYtnM21wT1kz11X","CacheableKeras","py")

from cacheable_keras.cacheable import KerasCacheable

```

##### En General

```

TODO: Pendiente por agregar a pip

```

## Uso

#### Extienda la clase en su componente:

```

from CacheableKeras import KerasCacheable

class YourComponent(BaseEstimator, TransformerMixin, KerasCacheable):

    def __init__(self, ...):

```

*Nota: Este ejemplo es para un **TransformerMixin** perfectamente puede usarse en **RegressorMixin** o **ClassifierMixin** segun sea el objetivo de su componente.*

#### Defina Funciones Personalizadas:

Puede decir las funciones que quiere que su modelo ejecute sobrescribiendo el método **get_custom_objects** así:

```

def get_custom_objects(self):

    return { 'custom_loss': self.custom_loss }

```

*Nota: Este método debe retornar un diccionario **{ ‘function_name’ : self.reference_function }** 

y la reference_function debe estar definida en **YourComponent**. 

En caso de necesitar más de una función personalizada agréguela al diccionario.*

#### Personalice la configuración:

**keras GridSearch Cacheable** trabaja por defecto con **TODOS** los parámetros de entrada **YourComponent**. 

Sin embargo, si por algún motivo no desea cachear todos los parámetros de entrada sobrescriba el método **get_params_cacheable** así: 

```

def get_params_cacheable(self):

    return ['Parameter 1','Parameter 2',... 'Parameter N'] 

```

*Nota: Tenga en cuidado al realizar esta modificación, si no coloca **TODOS** los parámetros obligatorios para **YourComponent** al cargar el modelo creado desde su manejador de cache se retornará un error.*

###### Producto desarrollado bajo el curso de posgrado de aprendizaje de máquina avanzado impartido por el profesor Andrés Marino Álvarez – Universidad Nacional  

###### Daniel Espinosa - 2020