python机器学习算法的批量训练或自动调参_python自动调参

写在前面

我写了一个时间序列预测的程序，但是相同的时间序列我有几十个，每个序列想单独用一个模型。然后就需要训练几十个模型，但是手动训练太费时费力。为了解决这个问题，我尝试性的写了一个for循环，但是不知为何，每次开始训练第二个模型时，优化器的state就全部变为0，到现在我都没找到最终原因。无可奈何，想到了从外部运行程序，每次传递需要的参数即可。

此方法同样适用于自动调参，可以从外部设置参数的变化区间，然后传递相应的参数给模型。

此方法需要用到 argparse 和 import os 两个包，案例如下：

1需要自动训练的 main程序

import argparse
 
# 建立args
parser = argparse.ArgumentParser()
 
# 需要自动设置的参数
parser.add_argument("--processID", type=int, default=1)
 
# 封装args
args = parser.parse_args()
 
 
#主程序小例子
print(args.processID)

args是一个自动传参的包，如果有朋友不知道args怎么用，那就需要自己查了。

2.接下来就是最主要的auto_run程序了

import os
import numpy as np
 
if __name__ == "__main__":
 
 
    process_id = np.arange(1, 44)
    
    for p_id in process_id:
        os.system(f'python main.py --processID {p_id}') # 调用主程序并传入参数

我有43个模型要训练，所以process_id是一个从1到43的向量。如果你的auto_run程序和main程序在同一个环境下的话，直接通过如下格式：

os.system(f'python xx.py --主程序参数 {auto_run变量}')

调用就可以了，如果不在同一环境下的话，那你得设置一下它的路径。

我测试了一下，你分别建立这两个文件，在同一个环境（即目录）底下是可以用的。