一种基于贝叶斯优化的深度学习超参数的调优改进方法

摘要

本发明公开了一种基于贝叶斯优化的深度学习超参数的调优改进方法，其整体步骤为：采用快速最优拉丁方实验设计算法生成初始点集，提高有效评估点的生成率；采用并行计算在计算机中获取上述初始点集的响应，同时计算多个点在目标函数上的响应，构建数据集；进入贝叶斯优化迭代过程，在计算过程中使用并行计算的方法，加速整个优化过程。本发明可有效解决传统贝叶斯优化算法耗时长、性能波动大的缺陷，通过并行计算加快优化速度，显著提高了优化效率。