我正在尝试创建一个顶点AI管道来执行超参数调优作业，该作业从顶点AI数据集中读取数据，以使元数据功能跟踪数据集、模型和endpoint之间的关系（一旦我部署了最佳模型）。
我遵循这个直接从tensorflow_datasets读取数据的教程，但是我没有看到任何方法可以将顶点AI数据集传递给超参数调优作业操作。
有人知道如何在超参数调优作业中访问顶点AI数据集吗？
谢谢你。
您需要将hytune添加到笔记本中，以便它可以在界面上编写不同的超参数及其性能：
import hypertune
hp_metric = f1_score(y_test, y_pred, average='weighted')
hpt = hypertune.HyperTune()
hpt.report_hyperparameter_tuning_metric(hyperparameter_metric_tag='accuracy',metric_value=hp_metric,global_step=100)
并添加args来调整模型：
if __name__ == '__main__':
parser = argparse.ArgumentParser()
# Input Arguments
parser.add_argument(
'--max_depth',
help = 'RF model parameter- depth',
type = int,
default = 100
)
parser.add_argument(
'--max_features',
help = 'RF model parameter- Features',
type = int,
default = 34
)
parser.add_argument(
'--max_leaf_nodes',
help = 'RF max_leaf_nodes',
type = int,
default = 8
)
parser.add_argument(
'--min_samples_leaf',
help = 'RF min_samples_leaf',
type = int,
default = 1
)
