CustomizeAdvisor.rst

指南 - 自定义 Advisor

警告：API 可能会在将来的版本中更改。

Advisor 用于同时需要 Tuner 和 Assessor 方法的自动机器学习算法。 Advisor 与 Tuner 类似，它接收 Trial 的参数请求、最终结果，并生成 Trial 的参数。 另外，它也能像 Assessor 一样接收中间结果、Trial 的最终状态，并可以发送终止 Trial 的命令。 注意，在使用 Advisor 时，不能同时使用 Tuner 和 Assessor。

如果要自定义 Advisor，需要：

1. 定义从 MsgDispatcherBase 类继承的 Advisor。 如：

from nni.runtime.msg_dispatcher_base import MsgDispatcherBase

class CustomizedAdvisor(MsgDispatcherBase):
    def __init__(self, ...):
        ...

2. 实现所有除了 "handle_request" 外的，以 "handle_" 前缀开始的方法。

关于 MsgDispatcherBase 可以查询此 文档 。

3. 在 Experiment 的 YAML 文件中配置好自定义的 Advisor 。

与 Tuner 和 Assessor 类似。 NNI 需要定位到自定义的 Advisor 类，并实例化它，因此需要指定自定义 Advisor 类的文件位置，并将参数值传给 __init__ 构造函数。

advisor:
  codeDir: /home/abc/myadvisor
  classFileName: my_customized_advisor.py
  className: CustomizedAdvisor
  # 所有的参数都需要传递给你 Assessor 的构造函数 __init__
  # 例如，可以在可选的 classArgs 字段中指定
  classArgs:
    arg1: value1

注意 ：Assessor 的工作目录是 <home>/nni-experiments/<experiment_id>/log，可从环境变量 NNI_LOG_DIRECTORY中获取。

示例

:githublink:`参考示例 <examples/tuners/mnist_keras_customized_advisor>`。