running-hyperparameter-sweep

设计并运行一个严谨的超参数搜索（使用 Optuna 或 Ray Tune）：定义搜索空间，选择合适的采样器（TPE / 随机 / 网格）和剪枝器（中位数 / Hyperband / ASHA），在搜索与最终重训练之间分配计算预算，强制进行种子分层（每个候选配置至少运行 3 个种子才能确定优胜者），并建立调优集与测试集之间的防火墙，确保保留的测试集在整个搜索过程中不被使用。适用于以下场景：用户即将对非平凡模型调用 .fit() 并使用默认超参数、手动单配置调优陷入停滞、搜索结果异常接近默认值，或计划为昂贵的训练运行分配计算资源。对于默认参数已足够的小型一次性模型，或不存在验证集的情况，拒绝执行。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

相关资产