Keras Tuner超参数调优重复运行时无法重新执行搜索的问题求助

这个问题我之前也碰到过，本质是Keras Tuner的状态保存机制在起作用——它默认会保留之前的搜索进度，避免重复劳动，但这也会导致我们想重新搜索时直接复用旧结果，出现INFO:tensorflow:Oracle triggered exit的日志。下面给你几个靠谱的解决方案：

方案1：每次指定新的搜索保存目录 #

Keras Tuner会把搜索的状态（包括已尝试的超参数、Oracle的决策记录）存在你指定的directory和project_name对应的文件夹里。每次运行时换个新的目录/项目名，就能完全从头开始搜索：

# 示例：创建Hyperband Tuner时指定新的目录和项目名
tuner = Hyperband(
    model_builder,
    objective='val_accuracy',
    max_epochs=50,
    factor=3,
    directory='tuning_run_20240520',  # 每次换个唯一的目录名
    project_name='mnist_hyper_search_v2'
)

方案2：强制覆盖已有状态 #

如果不想频繁换目录，在创建Tuner实例时添加overwrite=True参数，它会直接删除之前的搜索状态文件，强制启动全新的搜索流程：

tuner = Hyperband(
    model_builder,
    objective='val_accuracy',
    max_epochs=50,
    factor=3,
    directory='my_tuning_dir',
    project_name='hyperparam_search',
    overwrite=True  # 关键参数，开启后重置搜索状态
)

方案3：手动删除旧的搜索目录 #

如果上面两种方法都不想用，你可以找到Keras Tuner默认生成的搜索目录（默认是当前路径下的untitled_project，或者你之前指定的目录），手动删除整个文件夹，下次运行就会重新初始化搜索。不过这个方法比较繁琐，适合临时测试场景。

补充说明 #

Keras Tuner的这个状态保存机制其实是个实用功能——如果你的搜索任务中途中断（比如断电、程序崩溃），下次运行可以自动续上之前的进度，不用从头再来。但当我们需要完全重新调参时，就需要通过上面的方法来重置状态。

内容的提问来源于stack exchange，提问作者silent_hunter