凯拉斯基因

Keras Genetic 允许您使用遗传算法轻松训练 Keras 模型。

快速链接：

• 购物车
• MNIST 图像分类
• 概述
• 快速开始

背景

KerasGenetic 允许您在使用遗传算法进行训练时利用优雅的建模 API Keras。通常，Keras 神经网络权重是通过梯度下降过程最小化损失函数来优化的。

Keras Genetic 通过利用遗传算法采用不同的方法进行权重优化。遗传算法允许您在没有关于损失情况信息的情况下优化神经网络。

遗传算法可用于在需要训练具有 <1000 个参数的专用控制器的特殊情况下训练神经网络。

今天应用遗传算法的一些领域：

• 强化学习（WorldModels）
• 金融

概述

Keras 遗传 API 上手速度很快，但足够灵活，可以适应您可能提出的任何用例。

必须使用 API 的三个核心组件才能开始：

• 这Individual
• 这Evaluator
• 这Breeder
• search()

个人

类代表群体中的Individual个体。

类中最重要的方法Individual是load_model(). load_model()生成一个 Keras 模型，其权重存储在individual 加载的类中：

model = individual.load_model()
model.predict(some_data)

评估者

接下来，让我们回顾一下Evaluator。Evaluator负责确定一个的强度Individual。也许最简单的评估器是分类任务的准确度评估器：

def evaluate_accuracy(individual: keras_genetic.Individual):
    model = individual.load_model()
    result = model.evaluate(x_train[:100], y_train[:100], return_dict=True, verbose=0)
    return result["accuracy"]

上面定义的evaluate_accuracy()函数将 a 映射Individual到准确度分数。该分数可用于选择将在下一代中使用的个体。

饲养员

Breeder负责从一组父个体中产生新个体。每个人如何Breeder产生新个体的细节对于育种者来说是独一无二的，但作为一般规则，父母的一些属性被保留，而一些新属性是随机抽样的。

对于大多数用户来说，这TwoParentMutationBreeder已经足够有效了。

搜索（）

search()类似于model.fit()核心 Keras 框架。search()API 支持多种参数。如需深入了解，请浏览 API 文档。

以下是该search()函数的示例用法：

results = keras_genetic.search(
    model=model,
    # computational cost is evaluate*generations*population_size
    evaluator=evaluate_accuracy,
    generations=10,
    population_size=50,
    n_parents_from_population=5,
    breeder=keras_genetic.breeder.MutationBreeder(),
    return_best=1,
)

延伸阅读

查看示例和指南（即将推出！）。

快速开始

目前，Cartpole 示例用作快速入门指南。

路线图

我想完成以下任务：

• ✅ 稳定基础 API
• ✅ 支持回调 API
• ✅ 端到端 MNIST 示例
• ✅ 端到端 CartPole 示例
• ✅ 实现一个 ProgBarLogger
• ✅ 实现 EarlyStopping 回调（可用于 CartPole 示例）
• 至少有 3 个不同的育种者
• 自动生成文档
• 彻底记录每个组件
• 提供最有效的遗传算法的实现
• 为每个组件实施单元测试
• 支持随机播种
• 根据 Keras 核心 API 设计指南彻底审查 API
• 支持自定义初始种群（即模仿人类模仿模型）
• 支持 keep_probability 计划

随意贡献任何这些。

引文

@misc{wood2022kerasgenetic,
	title        = {Keras Genetic},
	author       = {Luke Wood},
	year         = 2022,
	howpublished = {\url{https://github.com/lukewood/keras-genetic}}
}