Keras Tuner中max_trials、executions_per_trial和epochs参数作用解析

核心概念澄清 #

• Epoch（轮次）：指将整个训练数据集完整遍历一遍的次数。每完成一轮遍历，模型权重会基于全量样本的梯度完成一轮更新（实际训练中是按批次更新，但epoch是宏观的完整遍历单位）。
• Execution（执行）：超参数调优语境下，指针对某一组固定超参数，独立完成一次模型训练的过程，这个过程会包含指定数量的epochs。

参数详解 #

• max_trials：待搜索的超参数组合总数量。设置为5时，会随机生成5组不同的超参数配置进行测试。
• executions_per_trial：针对同一组超参数组合，重复训练模型的次数。设置为6时，同一组参数会被用来训练6次独立模型，最终取这6次训练结果的平均值作为该参数组合的评估指标，目的是降低随机性对结果的影响。
• epochs：每次execution过程中，模型训练的轮次。即每一次单独训练模型时，会把数据集完整遍历100遍。

对应代码的实际执行流程 #

你提供的代码实际执行逻辑如下：

1. 随机生成5组不同的超参数组合（对应max_trials=5）
2. 对每一组超参数：
   • 用该参数构建模型，执行100个epoch的训练（对应epochs=100）
   • 重复上述训练过程6次（对应executions_per_trial=6）
   • 计算这6次训练后的平均MSE，作为该参数组合的最终得分
3. 遍历完5组参数后，选出得分最优的超参数组合

你的原理解存在偏差：epochs并非重复整个调参流程的次数，而是单次模型训练的轮次；executions_per_trial是同一参数下重复训练的次数，而非权重更新次数（权重更新次数应为epochs × 训练集批次数量）。

内容的提问来源于stack exchange，提问作者Mas