ThomasIsCoding's questions

Estou tentando usar keras-tunerpara ajustar hiperparâmetros, como

!pip install keras-tuner --upgrade
import keras_tuner as kt
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Flatten
from tensorflow.keras.optimizers import Adam

def build_model(hp):
    model = Sequential([
        Flatten(input_shape=(28, 28)),
        Dense(units= hp.Int('units', min_value = 16, max_value = 64, step = 16), activation='relu'),
        Dense(units = hp.Int('units', min_value = 8, max_value = 20, step = 2), activation='softmax')
    ])

    model.compile(
        optimizer=Adam(learning_rate=hp.Float('learning_rate', min_value=1e-4, max_value=1e-2, sampling='LOG')),
        loss='sparse_categorical_crossentropy',
        metrics=['accuracy']
    )
    return model

# Create a RandomSearch Tuner
tuner = kt.RandomSearch(
    build_model, 
    objective='val_accuracy',
    max_trials=10,
    executions_per_trial=2
)

# Display a summary of the search space
tuner.search_space_summary()

mostra

Search space summary
Default search space size: 2
units (Int)
{'default': None, 'conditions': [], 'min_value': 16, 'max_value': 64, 'step': 16, 'sampling': 'linear'}
learning_rate (Float)
{'default': 0.0001, 'conditions': [], 'min_value': 0.0001, 'max_value': 0.01, 'step': None, 'sampling': 'log'}

Entretanto, ao verificar a search_space_summary()saída, apenas a 1ª Densecamada é mostrada no resumo, enquanto as informações sobre a 2ª Densecamada, ou seja, Dense(units = hp.Int('units', min_value = 8, max_value = 20, step = 2), activation='softmax'), não são vistas.

Configurei algo errado ou deveria gerar a saída dessa forma? Alguém poderia me ajudar a entender por que o resumo é gerado dessa forma?

Aqui está um exemplo R de usoReduce

x <- c(1, 2, 2, 4, 10, 5, 5, 7)
Reduce(\(a, b) if (tail(a, 1) != b) c(a, b) else a, x) # equivalent to `rle(x)$values`

O código acima serve para classificar os valores exclusivos da extração em termos de duração da execução, que podem ser facilmente obtidos por rle(x)$values.

Eu sei que em Python existe itertools.groupbyque executa a mesma coisa que rleem R, MAS, o que estou curioso é : é possível ter uma tradução altamente semelhante usando functools.reduceem Python para obter a mesma funcionalidade, digamos, por exemplo

from functools import reduce
x = [1,2,2,4,10,5,5,7]
reduce(lambda a, b: a + [b] if a[-1]!= b else a, x)

mas que infelizmente dá erros como

{
    "name": "TypeError",
    "message": "'int' object is not subscriptable",
    "stack": "---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In[58], line 4
      1 from functools import reduce
      2 x = [1,2,2,4,10,5,5,7]
----> 4 reduce(lambda a, b: a + [b] if a[-1]!= b else a, x)

Cell In[58], line 4, in <lambda>(a, b)
      1 from functools import reduce
      2 x = [1,2,2,4,10,5,5,7]
----> 4 reduce(lambda a, b: a + [b] if a[-1]!= b else a, x)

TypeError: 'int' object is not subscriptable"
}

Minha pergunta é : existe alguma linha reduceem Python que se pareça com o código R?