我需要调整一个回归模型的隐藏层的数量和它们的隐藏大小。
正如我之前测试的那样，由于有大量的超参数，一般的超参数优化算法(网格搜索和随机搜索)是不够的。我可以使用PBT或贝叶斯优化来调优网络结构吗?一般来说，除了网格搜索和随机搜索，还有什么优化方法可以调整隐藏层的大小或隐藏层的数量吗?
如果你正在使用PyTorch，最简单的方法是Auto-PyTorch——它会为你(在指定的预算范围内)找到最好的神经结构，比随机搜索更有效。
在它的网站上有更多的信息，包括描述实现方法的论文和与其他方法的基准比较。
您可以尝试使用超带调谐器。作为示例，请参阅"微调神经网络超参数"一节。在https://github.com/ageron/handson-ml3/blob/main/10_neural_nets_with_keras.ipynb
在"动手机器学习与Scikit-Learn, Keras和TensorFlow(第3版)"中有描述;(p.347)。