ray.tune.TuneConfig#
- class ray.tune.TuneConfig(mode: str | None = None, metric: str | None = None, search_alg: Searcher | SearchAlgorithm | None = None, scheduler: TrialScheduler | None = None, num_samples: int = 1, max_concurrent_trials: int | None = None, time_budget_s: int | float | timedelta | None = None, reuse_actors: bool = False, trial_name_creator: Callable[[Trial], str] | None = None, trial_dirname_creator: Callable[[Trial], str] | None = None, chdir_to_trial_dir: bool = 'DEPRECATED')[源代码]#
基类：
object调整特定配置。
- 参数:
metric – 要优化的指标。此指标应通过
tune.report()报告。如果设置，将传递给搜索算法和调度器。mode – 必须是 [min, max] 之一。确定目标是最小化还是最大化指标属性。如果设置，将传递给搜索算法和调度器。
search_alg – 优化搜索算法。默认为随机搜索。
scheduler – 用于执行实验的调度器。可以选择 FIFO（默认）、MedianStopping、AsyncHyperBand、HyperBand 和 PopulationBasedTraining。更多选项请参考 ray.tune.schedulers。
num_samples – 从超参数空间采样的次数。默认为1。如果提供了
grid_search作为参数，网格将被重复num_samples次。如果此值为 -1，则（实际上）无限生成样本，直到满足停止条件。max_concurrent_trials – 最大并发运行试验次数。必须为非负数。如果为 None 或 0，则不会应用限制。这是通过将
search_alg包装在ConcurrencyLimiter中实现的，因此如果search_alg已经是ConcurrencyLimiter，则设置此参数将引发异常。默认为 None。time_budget_s – 全局时间预算，单位为秒，超过此时间后所有试验将被停止。也可以是一个
datetime.timedelta对象。reuse_actors – 是否在不同试验之间尽可能重复使用演员。这可以大幅加快经常启动和停止演员的实验（例如，时间复用模式下的PBT）。这要求试验具有相同的资源需求。默认为
False。trial_name_creator – 可选函数，接收一个 Trial 并返回其名称（即其字符串表示）。请确保在每个试验的名称中包含一些唯一标识符（如
Trial.trial_id）。注意：此API处于alpha阶段，可能会发生变化。trial_dirname_creator – 可选函数，接收一个试验并生成其试验目录名称作为字符串。请确保在每个试验的目录名称中包含一些唯一标识符（如
Trial.trial_id）。否则，试验可能会覆盖其他试验的工件和检查点。返回值不能是路径。注意：此API处于alpha阶段，可能会发生变化。chdir_to_trial_dir – 已弃用。请设置
RAY_CHDIR_TO_TRIAL_DIR环境变量代替。
PublicAPI (测试版): 此API目前处于测试阶段，在成为稳定版本之前可能会发生变化。
方法
属性