从最优超参数的字典项中创建一个列表

如何解决从最优超参数的字典项中创建一个列表

我正在使用 optuna 框架为我想要的 CNN 网络选择最佳参数，包括层数、层中的过滤器、优化器等。我可以确认我的最佳参数是字典包含：

study = optuna.create_study()
study.optimize(objective,n_trials=100)

    print(study.best_params)
    {'num_layer': 4,'mid_units': 200.0,'num_filter_0': 96.0,'num_filter_1': 128.0,'num_filter_2': 112.0,'num_filter_3': 128.0,'dropout_rate0': 0.39590554209376033,'dropout_rate1': 0.3261331226010852,'optimizer': 'sgd'}

然后我如何形成一个包含层数、从等 study.best_params 中删除的列表，例如：

my_layers = [96,128,112,128]
drops = [0.39590554209376033,0.3261331226010852]

目标是访问值并创建我的网络架构，类似于：

model = Sequential()
model.add(Conv2D(my_layers[0],kernel_size=...))
model.add(Conv2D(my_layers[1],...))
model.add(Conv2D(my_layers[2],...))
...    
model.add(MaxPooling2D(pool_size=(1,2)))
model.add(Dropout(dropout_rate[0]))
model.add(Flatten())
model.add(Dense(mid_units))
model.add(Dropout(dropout_rate[1]))
model.add(Dense(num_classes,activation='softmax'))

解决方法

如果顺序很重要，则在列表中添加一个元素

output = {..data}

for i in output:
    if 'num_filter' in i:
        my_layers.append([i,output.get(i)])
    elif 'dropout' in i:
        drops.append([i,output.get(i)])

my_layers.sort()
drops.sort()

for j in range(len(my_layers)):
    my_layers[j] = my_layers[j][1]
   
for k in range(len(drops)):
    drops[k] =  drops[k][1]