Hyperas调参输出疑问：output_dim重复及结果解读

嘿，我来帮你理清Hyperas调参后的输出疑问，尤其是你提到的明明只定义了一个output_dim，结果输出里却出现两个的情况。

为什么会出现两个output_dim？ #

这其实是Hyperas内部参数追踪逻辑的小细节，不用慌：
Hyperas是Hyperopt的Keras封装，它在记录参数时，会同时追踪你自定义的变量名和这个变量绑定到Keras层的参数名。举个例子，如果你代码里是这么写的：

output_dim = {{choice([64, 128, 256])}}
model.add(Dense(output_dim=output_dim, activation='relu'))

Hyperas就会同时记下output_dim（你定义的变量名）和Dense.output_dim（对应Keras层的参数名），导致输出里出现两个同名的键，但你仔细看它们的取值肯定是完全一致的——这只是冗余记录，不是bug，也不影响最优参数的选择。

Hyperas输出的其他核心内容怎么读？ #

优化完成后的输出里，这些是你需要重点关注的部分：

• best loss：这是搜索过程中找到的最优损失值（如果是分类任务可能是准确率，取决于你定义的目标函数），是判断最优模型的核心指标。
• best parameters：这个字典里的就是最终找到的最优参数组合，哪怕有重复项，取同一个取值就行（比如两个output_dim随便取哪个都一样）。
• Trial history：每一次尝试的参数和对应的损失值，你可以从中看搜索过程的波动，判断是不是要调整搜索空间或者增加迭代次数。
• Status：显示优化是否正常完成，比如ok就代表没有报错中断。

小技巧：让输出更简洁的写法 #

如果你不想看到这种冗余记录，可以把参数直接嵌入到层的定义里，不用单独赋值给变量：

# 替换之前的写法
model.add(Dense(output_dim={{choice([64,128,256])}}, activation='relu'))

这样Hyperas只会记录Dense.output_dim这一项，就不会出现重复的output_dim了。

内容的提问来源于stack exchange，提问作者chattrat423