使用H2O对深度学习模型进行网格搜索时出现报错

这个错误的核心原因很明确：你指定的grid_id = "deep_learn"已经在当前运行的H2O实例中存在，并且这个已有的网格使用的训练数据和你现在传入的train.h2o不一致。H2O不允许向同一个网格ID中添加基于不同训练集训练的模型，所以抛出了这个异常。

这里有几个简单有效的解决方法：

方法1：删除已存在的同名网格 #

在运行新的网格搜索前，先检查并删除旧的网格：

# 检查网格是否存在
if (h2o.grid_exists("deep_learn")) {
  # 删除已存在的网格
  h2o.rm("deep_learn")
}

之后再重新运行你的网格搜索代码即可。

方法2：使用唯一的网格ID #

每次运行网格搜索时，生成一个不会重复的grid_id，比如加上时间戳：

dl_grid <- h2o.grid("deeplearning"
 ,grid_id = paste0("deep_learn_", format(Sys.time(), "%Y%m%d_%H%M%S"))
 ,hyper_params = hyper_params
 ,search_criteria = search_criteria
 ,training_frame = train.h2o
 ,validation_frame = valid.h2o
 ,x=features
 ,y=response
 ,epochs = 100)

这样每次运行都会创建一个全新的网格，完全避免了ID冲突的问题，也方便你后续区分不同时间训练的网格。

方法3：重启H2O实例 #

如果上面的方法都不行，或者你想彻底清理H2O中的所有旧数据，可以重启H2O实例：

# 关闭当前H2O实例
h2o.shutdown(prompt = FALSE)
# 重新初始化
h2o.init()

不过这个方法会清除H2O内存中的所有数据和模型，所以使用前要确认不需要保留这些内容。

另外需要注意：H2O的网格对象是和训练数据集绑定的，同一个网格只能添加基于完全相同的训练集训练的模型。如果你修改了训练数据（哪怕是微小的调整），都必须使用新的网格ID或者删除旧网格后再重新运行。

内容的提问来源于stack exchange，提问作者oercim